SARS-CoV-2 infection and antibody seroprevalence in routine surveillance patients, healthcare workers and general population in Kita region, Mali: an observational study 2020–2021
Notice bibliographique
Résumé
OBJECTIVE: To estimate the degree of SARS-CoV-2 transmission among healthcare workers (HCWs) and general population in Kita region of Mali. DESIGN: Routine surveillance in 12 health facilities, HCWs serosurvey in five health facilities and community serosurvey in 16 villages in or near Kita town, Mali. SETTING: Kita region, western Mali; local health centres around the central (regional) referral health centre. PARTICIPANTS: Patients in routine surveillance, HCWs in local health centres and community members of all ages in populations associated with study health centres. MAIN OUTCOME MEASURES: Seropositivity of ELISA test detecting SARS-CoV-2-specific total antibodies and real-time RT-PCR confirmed SARS-CoV-2 infection. RESULTS: From 2392 routine surveillance samples, 68 (2.8%, 95% CI: 2.2% to 3.6%) tested positive for SARS-CoV-2 by RT-PCR. The monthly positivity rate was 0% in June-August 2020 and gradually increased to 6% by December 2020 and 6.2% by January 2021, then declined to 5.5%, 3.3%, 3.6% and 0.8% in February, March, April and May 2021, respectively. From 397 serum samples collected from 113 HCWs, 175 (44.1%, 95% CI: 39.1% to 49.1%) were positive for SARS-CoV-2 antibodies. The monthly seroprevalence was around 10% from September to November 2020 and increased to over 40% from December 2020 to May 2021. For community serosurvey in December 2020, overall seroprevalence of SARS-CoV-2 antibodies was 27.7%. The highest age-stratified seroprevalence was observed in participants aged 60-69 years (45.5%, 95% CI: 32.3% to 58.6%). The lowest was in children aged 0-9 years (14.0%, 95% CI: 7.4% to 20.6%). CONCLUSIONS: SARS-CoV-2 in rural Mali is much more widespread than assumed by national testing data and particularly in the older population and frontline HCWs. The observation is contrary to the widely expressed view, based on limited data, that COVID-19 infection rates were lower in 2020-2021 in West Africa than in other settings.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».