High Community SARS-CoV-2 Antibody Seroprevalence in a Ski Resort Community, Blaine County, Idaho, US. Preliminary Results
Notice bibliographique
Résumé
Abstract Community-level seroprevalence surveys are needed to determine the proportion of the population with previous SARS-CoV-2 infection, a necessary component of COVID-19 disease surveillance. In May, 2020, we conducted a cross-sectional seroprevalence study of IgG antibodies for nucleocapsid of SARS-CoV-2 among the residents of Blaine County, Idaho, a ski resort community with high COVID-19 attack rates in late March and Early April (2.9% for ages 18 and older). Participants were selected from volunteers who registered via a secure web link, using prestratification weighting to the population distribution by age and gender within each ZIP Code. Participants completed a survey reporting their demographics and symptoms; 88% of volunteers who were invited to participate completed data collection survey and had 10 ml of blood drawn. Serology was completed via the Abbott Architect SARS-CoV-2 IgG immunoassay. Primary analyses estimated seroprevalence and 95% credible intervals (CI) using a hierarchical Bayesian framework to account for diagnostic uncertainty. Stratified models were run by age, sex, ZIP Code, ethnicity, employment status, and a priori participant-reported COVID-19 status. Sensitivity analyses to estimate seroprevalence included base models with post-stratification for ethnicity, age, and sex, with or without adjustment for multi-participant households. IgG antibodies to the virus that causes COVID-19 were found among 22.7% (95% CI: 20.1%, 25.5%) of residents of Blaine County. Higher levels of antibodies were found among residents of the City of Ketchum 34.8% (95% CI 29.3%, 40.5%), compared to Hailey 16.8% (95%CI 13.7%, 20.3%) and Sun Valley 19.4% (95% 11.8%, 28.4%). People who self-identified as not believing they had COVID-19 had the lowest prevalence 4.8% (95% CI 2.3%, 8.2%). The range of seroprevalence after correction for potential selection bias was 21.9% to 24.2%. This study suggests more than 80% of SARS-CoV-2 infections were not reported. Although Blaine County had high levels of SARS-CoV-2 infection, the community is not yet near the herd immunity threshold.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».