Inferring the true number of SARS-CoV-2 infections in Japan
Notice bibliographique
Résumé
Abstract Introduction In Japan, as of December 31, 2021, more than 1.73 million laboratory-confirmed cases have been reported. However, the actual number of infections is likely to be under-ascertained due to the epidemiological characteristics such as mild and subclinical infections and limited testing availability in the early days of the pandemic. In this study, we infer the true number of infections in Japan between January 16, 2020, and December 31, 2021, using a statistical modelling framework that combines data on reported cases and fatalities. Methods We used reported daily COVID-19 deaths stratified into 8 distinct age-groups and age-specific infection fatality ratios (IFR) to impute the true number of infections. Estimates of IFR were informed from published studies as well seroprevalence studies conducted in Japan. To account for the uncertainty in IFR estimates, we sampled values from relevant distributions. Results We estimated that as of December 31, 2021, 2.90 million (CrI: 1.77 to 4.27 million) people had been infected in Japan, which is 1.68 times higher than the 1.73 million reported cases. Our meta-analysis confirmed that these findings were consistent with the intermittent seroprevalence studies conducted in Japan. Conclusions We have estimated that a substantial number of COVID-19 infections in the country were unreported, particularly in adults. Our approach provides a more realistic assessment of the true underlying burden of COVID-19. The results of this study can be used as fundamental components to strengthen population health control and surveillance measures.
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 | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».