Comparison Of New and emerging SARS-CoV-2 variant Transmissibility through Active Contact Testing. A comparative cross-sectional household seroprevalence study
Notice bibliographique
Résumé
Abstract Historically SARS-CoV-2 secondary attack rates (SAR) have been based on PCR positivity on screening symptomatic contacts, this misses transmission events and identifies only symptomatic contacts who are PCR positive at the time of sampling. We used serology to detect the relative transmissibility of Alpha Variant of Concern (VOC) to non-VOC SARS-CoV-2 to calculate household secondary attack rates. We identified index patients diagnosed with Alpha and non-VOC SARS-CoV-2 across two London Hospitals between November 2020 and January 2021 during a prolonged and well adhered national lockdown. We completed a household seroprevalence survey and found that 61.8% of non-VOC exposed household contacts were seropositive compared to 82.1% of Alpha exposed household contacts. The odds of infection doubled with exposure to an index diagnosed with Alpha. There was evidence of transmission events in almost all households. Our data strongly support that estimates of SAR should include serological data to improve accuracy and understanding. Key Messages Secondary attack rates (SAR) in SARS-CoV-2 were previously calculated using PCR positive samples only, it is more accurate to use a household transmission model and screen contacts using serology, as done in this study. SAR should include serological data to improve accuracy and understanding. All households in this study had transmission events. SAR were 61.8% in non-VOC SARS-CoV-2 exposed household contacts compared to 82.1% in Alpha SARS-CoV-2 exposed household contacts.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».