Comparative Household Secondary Attack Rates associated with B.1.1.7, B.1.351, and P.1 SARS-CoV-2 Variants
Notice bibliographique
Résumé
Abstract Background The emergence of SARS-CoV-2 variants associated with increased transmissibility are driving a 3 rd global surge in COVID-19 incidence. There are currently few reliable estimates for the P.1 and B.1.351 lineages. We sought to compare the secondary attack rates of SARS-COV-2 mutations and variants in Canada’s largest province of Ontario, using a previously validated household-based approach. Methods We identified individuals with confirmed SARS-CoV-2 infection in Ontario’s provincial reportable disease surveillance system. Cases were grouped into households based on reported residential address. Index cases had the earliest of symptom onset in the household. Household secondary attack rate was defined as the percentage of household contacts identified as secondary cases within 1-14 days after the index case. Results We identified 26,888 index household cases during the study period. Among these, 7,555 (28%) were wild-type, 17,058 (63%) were B.1.1.7, 1674 (6%) were B.1.351 or P.1, and 601 (2%) were non-VOC mutants (Table 1). The secondary attack rates, according to index case variant were as follows: 20.2% (wild-type), 25.1% (B.1.1.7), 27.2% (B.1.351 or P.1), and 23.3% (non-VOC mutants). In adjusted analyses, we found that B.1.1.7, B.1.351, and P.1 index cases had the highest transmissibility (presumptive B.1.1.7 OR adjusted =1.49, 95%CI 1.36, 1.64; presumptive B.1.351 or P.1 OR adjusted =1.60, 95%CI 1.37, 1.87). Discussion Substantially higher transmissibility associated with variants will make control of SARS-CoV-2 more difficult, reinforcing the urgent need to increase vaccination rates globally.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».