Trends in SARS-CoV-2 seroprevalence in Massachusetts estimated from newborn screening specimens
Notice bibliographique
Résumé
Abstract Background Estimating the cumulative incidence of SARS-CoV-2 is essential for setting public health policies. We leveraged de-identified Massachusetts newborn screening specimens to generate an accessible, retrospective source of maternal antibodies for estimating statewide SARS-CoV-2 seroprevalence in a non-test-seeking population. Methods We analyzed 72,117 newborn dried blood spots collected from November 2019 through December 2020, representing 337 towns and cities across Massachusetts. Seroprevalence was estimated for the general Massachusetts population after correcting for imperfect test specificity and nonrepresentative sampling using Bayesian multilevel regression and poststratification. Results Statewide seroprevalence was estimated to be 0.03% (90% credible interval (CI) [0.00, 0.11]) in November 2019 and rose to 1.47% (90% CI [1.00, 2.13]) by May 2020, following sustained SARS-CoV-2 transmission in the spring. Seroprevalence plateaued from May onwards, reaching 2.15% (90% CI [1.56, 2.98]) in December 2020. Seroprevalence varied substantially by community and was particularly associated with community percent non-Hispanic Black (β = 0.024, 90% CI [0.004, 0.044]); i.e., a 10% increase in community percent non-Hispanic Black was associated with a 27% higher odds of seropositivity. Seroprevalence estimates had good concordance with reported case counts and wastewater surveillance for most of 2020, prior to the resurgence of transmission in winter. Conclusions Cumulative incidence of SARS-CoV-2 protective antibody in Massachusetts was low as of December 2020, indicating that a substantial fraction of the population was still susceptible. Maternal seroprevalence data from newborn screening can inform longitudinal trends and identify cities and towns at highest risk, particularly in settings where widespread diagnostic testing is unavailable. Summary The measurement of maternal antibodies in dried blood spots collected for newborn screening offers a statewide source of SARS-CoV-2 seroprevalence data independent of case testing limitations. We analyzed 72,117 Massachusetts spots collected November 2019 – December 2020 and estimated longitudinal trends.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».