Assessment of population infection with SARS-CoV-2 in Ontario, Canada, March to June 2020
Notice bibliographique
Résumé
BackgroundSerosurveys for SARS-CoV-2 aim to estimate the proportion of the population that has been infected.AimThis observational study assesses the seroprevalence of SARS-CoV-2 antibodies in Ontario, Canada during the first pandemic wave.MethodsUsing an orthogonal approach, we tested 8,902 residual specimens from the Public Health Ontario laboratory over three time periods during March-June 2020 and stratified results by age group, sex and region. We adjusted for antibody test sensitivity/specificity and compared with reported PCR-confirmed COVID-19 cases.ResultsAdjusted seroprevalence was 0.5% (95% confidence interval (CI): 0.1-1.5) from 27 March-30 April, 1.5% (95% CI: 0.7-2.2) from 26-31 May, and 1.1% (95% CI: 0.8-1.3) from 5-30 June 2020. Adjusted estimates were highest in individuals aged ≥ 60 years in March-April (1.3%; 95% CI: 0.2-4.6), in those aged 20-59 years in May (2.1%; 95% CI: 0.8-3.4) and in those aged ≥ 60 years in June (1.6%; 95% CI: 1.1-2.1). Regional seroprevalence varied, and was highest for Toronto in March-April (0.9%; 95% CI: 0.1-3.1), for Toronto in May (3.2%; 95% CI: 1.0-5.3) and for Toronto (1.5%; 95% CI: 0.9-2.1) and Central East in June (1.5%; 95% CI: 1.0-2.0). We estimate that COVID-19 cases detected by PCR in Ontario underestimated SARS-CoV-2 infections by a factor of 4.9.ConclusionsOur results indicate low population seroprevalence in Ontario, suggesting that public health measures were effective at limiting the spread of SARS-CoV-2 during the first pandemic wave.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».