Interactions among common non-SARS-CoV-2 respiratory viruses and influence of the COVID-19 pandemic on their circulation in New York City
Notice bibliographique
Résumé
Abstract Background Non-pharmaceutical interventions (NPIs) and voluntary behavioral changes during the COVID-19 pandemic have influenced the circulation of non-SARS-CoV-2 respiratory infections. We aimed to examine interactions among common non-SARS-CoV-2 respiratory virus and further estimate the impact of the COVID-19 pandemic on these viruses. Methods We analyzed incidence data for seven groups of respiratory viruses in New York City (NYC) during Oct 2015 - May 2021 (i.e., before and during the COVID-19 pandemic). We first used elastic net regression to identify potential virus interactions and further examined the robustness of the found interactions by comparing the performance of Auto Regressive Integrated Moving Average (ARIMA) models with and without the interactions. We then used the models to compute counterfactual estimates of cumulative incidence and estimate the reduction during the COVID-19 pandemic period from March 2020 to May 2021, for each virus. Results We identified potential interactions for three endemic human coronaviruses (CoV-NL63, CoV-HKU, and CoV-OC43), parainfluenza (PIV)-1, rhinovirus, and respiratory syncytial virus (RSV). We found significant reductions (by ~70-90%) in cumulative incidence of CoV-OC43, CoV-229E, human metapneumovirus, PIV-2, PIV-4, RSV, and influenza virus during the COVID-19 pandemic. In contrast, the circulation of adenovirus and rhinovirus was less affected. Conclusions Circulation of several respiratory viruses has been low during the COVID-19 pandemic, which may lead to increased population susceptibility. It is thus important to enhance monitoring of these viruses and promptly enact measures to mitigate their health impacts (e.g., influenza vaccination campaign and hospital infection prevention) in the coming months.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».