MétaCan
Menu
Retour à la cohorte
Enregistrement W3171538157 · doi:10.3390/vaccines9060592

Could a New COVID-19 Mutant Strain Undermine Vaccination Efforts? A Mathematical Modelling Approach for Estimating the Spread of B.1.1.7 Using Ontario, Canada, as a Case Study

2021· article· en· W3171538157 sur OpenAlexaffabout
Matthew Betti, Nicola Luigi Bragazzi, Jane M. Heffernan, Jude Dzevela Kong, Angie Raad

Notice bibliographique

RevueVaccines · 2021
Typearticle
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)BiologyEmerging infectious diseaseDiseaseMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

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 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 take over a wild-type strain during an emerging infectious disease outbreak. In this study, we used COVID-19 as a case-study; however, the model is adaptable to any emerging pathogen. We devised 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 was unlikely to dominate until March/April 2021. The 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 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 achieve high levels of immunity in the population by the end of 2021. 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,568
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,130
Tête enseignante GPT0,389
Écart entre enseignants0,259 · 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 tête enseignante, 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

Citations22
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVaccinesMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207