SARS-CoV-2 Epidemiology on a Public University Campus in Washington State
Notice bibliographique
Résumé
ABSTRACT Background Testing programs have been utilized as part of SARS-CoV-2 mitigation strategies on university campuses, and it is not known which strategies successfully identify cases and contain outbreaks. Objective Evaluation of a testing program to control SARS-CoV-2 transmission at a large university. Design Prospective longitudinal study using remote contactless enrollment, daily mobile symptom and exposure tracking, and self-swab sample collection. Individuals were tested if the participant was (1) exposed to a known case, developed new symptoms, or reported high-risk behavior, (2) a member of a group experiencing an outbreak, or (3) at baseline upon enrollment. Setting An urban, public university during Autumn quarter of 2020 Participants Students, staff, and faculty. Measurements SARS-CoV-2 PCR testing was conducted, and viral genome sequencing was performed. Results We enrolled 16,476 individuals, performed 29,783 SARS-CoV-2 tests, and detected 236 infections. Greek community affiliation was the strongest risk factor for testing positive. 75.0% of positive cases reported at least one of the following: symptoms (60.8%), exposure (34.7%), or high-risk behaviors (21.5%). 88.1% of viral genomes (52/59) sequenced from Greek-affiliated students were genetically identical to at least one other genome detected, indicative of rapid SARS-CoV-2 spread within this group, compared to 37.9% (11/29) of genomes from non-Greek students and employees. Limitations Observational study. Conclusion In a setting of limited resources during a pandemic, we prioritized testing of individuals with symptoms and high-risk exposure during outbreaks. Rapid spread of SARS- CoV-2 occurred within outbreaks without evidence of further spread to the surrounding community. A testing program focused on high-risk populations may be effective as part of a comprehensive university-wide mitigation strategy to control the SARS-CoV-2 pandemic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».