MétaCan
Menu
← Retour à la cohorte
Enregistrement W3127974399 · doi:10.1101/2021.02.02.21251039

Could the new COVID-19 mutant strain undermine vaccination efforts? A mathematical modelling approach for estimating the spread of the UK mutant strain using Ontario, Canada, as a case study

2021· preprint· en· W3127974399 sur OpenAlexaffabout
Matthew Betti, Nicola Luigi Bragazzi, Jane M. Heffernan, Jude Dzevela Kong, Angie Raad

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensYork UniversityMount Allison University
Organismes subventionnairesnon disponible
Mots-clésOutbreakContext (archaeology)PandemicInfectious disease (medical specialty)VaccinationPopulationCoronavirus disease 2019 (COVID-19)VirologyStrain (injury)BiologyMutantDiseaseGeneticsMedicineEnvironmental healthGene

Résumé

récupéré en direct d'OpenAlex

Abstract Background Infections represent highly dynamic processes, characterized by evolutionary changes and events that involve both the pathogen and the host. Among infectious agents, viruses, such as the “Severe Acute Respiratory Syndrome-related Coronavirus type 2” (SARS-CoV-2), the infectious agent responsible for the currently ongoing “Coronavirus disease 2019” (COVID-2019) pandemic, have a particularly high mutation rate. Taking into account the mutational landscape of an infectious agent, it is important to shed light on its evolution capability over time. As new, more infectious strains of COVID-19 emerge around the world, it is imperative to estimate when these new strains may overtake the wild-type strain in different populations. Therefore, we developed a general-purpose framework to estimate the time at which a mutant variant is able to takeover a wild-type strain during an emerging infectious diseases outbreak. In this study, we used COVID-19 as a case-study, but the model is adaptable to any emerging pathogens. Methods and findings We devise a two-strain mathematical framework, to model a wild- and a mutant-type viral population and fit cumulative case data to parameterize the model, using Ontario as a case study. We found that, in the context of under-reporting and the current case levels, a variant strain is unlikely to dominate until March/April 2021. Current non-pharmaceutical interventions in Ontario need to be kept in place longer even with vaccination in order to prevent another outbreak. The spread of a variant strain in Ontario will mostly likely be observed by a widened peak of the daily reported cases. If vaccine efficacy is maintained across strains, then it is still possible to have an immune population by end of 2021. Conclusions Our findings have important practical implications in terms of public health as policy-and decision-makers are equipped with a mathematical tool that can enable the estimation of the take-over of a mutant strain of an emerging infectious disease.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,311

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,380
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→