SARS-CoV-2 seroprevalence among Vancouver public school staff in British Columbia, Canada: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: Few studies reported COVID-19 cases in schools during the 2020/21 academic year in a setting of uninterrupted in-person schooling. The main objective was to determine the SARS-CoV-2 seroprevalence among school staff in Vancouver public schools. DESIGN: Cumulative incident COVID-19 cases among all students and school staff based on public health data, with an embedded cross-sectional serosurvey among a school staff sample that was compared to period, age, sex and geographical location-weighted data from blood donors. SETTING: Vancouver School District (British Columbia, Canada) from kindergarten to grade 12. PARTICIPANTS: Active school staff enrolled from 3 February to 23 April 2021 with serology testing from 10 February to 15 May 2021. MAIN OUTCOME MEASURES: SARS-CoV-2 seroprevalence among school staff, based on spike (S)-based (unvaccinated staff) or N-based serology testing (vaccinated staff). RESULTS: Public health data showed the cumulative incidence of COVID-19 among students attending in-person was 9.8 per 1000 students (n=47 280), and 13 per 1000 among school staff (n=7071). In a representative sample of 1689 school staff, 78.2% had classroom responsibilities, and spent a median of 17.6 hours in class per week (IQR: 5.0-25 hours). Although 21.5% (363/1686) of surveyed staff self-reported close contact with a COVID-19 case outside of their household (16.5% contacts were school-based), 5 cases likely acquired the infection at school based on viral testing. Sensitivity/Specificity-adjusted seroprevalence in 1556/1689 staff (92.1%) was 2.3% (95% CI: 1.6% to 3.2%), comparable to a sex, age, date and residency area-weighted seroprevalence of 2.6% (95% CI: 2.2% to 3.1%) among 5417 blood donors. CONCLUSION: Seroprevalence among staff was comparable to a reference group of blood donors from the same community. These data show that in-person schooling could be safely maintained during the 2020/21 school year with mitigation measures, in a large school district in Vancouver, Canada.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».