SARS-CoV-2 in Nursing Homes: Analysis of Routine Surveillance Data in Four European Countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Transmission of SARS-CoV-2 in nursing homes is poorly documented. Using surveillance data of 228 European private nursing homes, we estimated weekly SARS-CoV-2 incidences among 21,467 residents and 14,371 staff members, compared to that in the general population, between August 3, 2020, and February 20, 2021. We studied the outcomes of “episodes of introduction” where one case was first detected and computed attack rates, reproduction ratio (<i>R</i>), and dispersion parameter (<i>k</i>). Out of 502 episodes of SARS-CoV-2 introduction, 77.1% (95%CI, 73.2%-80.6%) led to additional cases. Attack rates were highly variable, ranging from 0.4% to 86.5%. The <i>R</i> was 1.16 (95%CI, 1.11-1.22) with <i>k</i> at 2.5 (95%CI, 0.5-4.5). The timing of viral circulation in nursing homes did not mirror that in the general population (<i>p</i>-values<0.001). We estimated the impact of vaccination in preventing SARS-CoV-2 transmission. Before vaccination’s roll-out, a cumulated 5,579 SARS-CoV-2 infections were documented among residents and 2,321 among staff. Higher staffing ratio and previous natural immunization reduced the probability of an outbreak following introduction. Despite strong preventive measures, transmission likely occurred, regardless of building characteristics. Vaccination started on January 15, 2021, and coverage reached 65.0% among residents, and 42.0% among staff by February 20, 2021. Vaccination yielded a 92% reduction (95%CI, 71%-98%) of outbreak probability, and lowered <i>R</i> to 0.87 (95%CI, 0.69-1.10). In the post-pandemic era, much attention will have to be paid to multi-lateral collaboration, policy making, and prevention plans.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle