How time-scale differences in asymptomatic and symptomatic transmission shape SARS-CoV-2 outbreak dynamics
Notice bibliographique
Résumé
Asymptomatic and symptomatic SARS-CoV-2 infections can have different characteristic time scales of transmission. These time-scale differences can shape outbreak dynamics as well as bias population-level estimates of epidemic strength, speed, and controllability. For example, prior work focusing on the initial exponential growth phase of an outbreak found that larger time scales for asymptomatic vs. symptomatic transmission can lead to under-estimates of the basic reproduction number as inferred from epidemic case data. Building upon this work, we use a series of nonlinear epidemic models to explore how differences in asymptomatic and symptomatic transmission time scales can lead to changes in the realized proportion of asymptomatic transmission throughout an epidemic. First, we find that when asymptomatic transmission time scales are longer than symptomatic transmission time scales, then the effective proportion of asymptomatic transmission increases as total incidence decreases. Moreover, these time-scale-driven impacts on epidemic dynamics are enhanced when infection status is correlated between infector and infectee pairs (e.g., due to dose-dependent impacts on symptoms). Next we apply these findings to understand the impact of time-scale differences on populations with age-dependent assortative mixing and in which the probability of having a symptomatic infection increases with age. We show that if asymptomatic generation intervals are longer than corresponding symptomatic generation intervals, then correlations between age and symptoms lead to a decrease in the age of infection during periods of epidemic decline (whether due to susceptible depletion or intervention). Altogether, these results demonstrate the need to explore the role of time-scale differences in transmission dynamics alongside behavioral changes to explain outbreak features both at early stages (e.g., in estimating the basic reproduction number) and throughout an epidemic (e.g., in connecting shifts in the age of infection to periods of changing incidence).
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».