SARS-CoV-2 Positivity and Viral Load during Three Viral Waves in Mumbai, India
Notice bibliographique
Résumé
Background: The SARS-CoV-2 laboratory PCR tests were generally reported only as binary positive or negative outcomes. Instead test positivity, these results contain a great deal of epidemiological information related to viral transmission patterns in populations. These transmission patterns during India’s SARS-CoV-2 viral waves remain largely undocumented. Methods: We analysed 2.7 million real-time polymerase chain reaction (PCR) testing records collected in Mumbai, a bellwether for other Indian cities. We used the inverse of cycle threshold (Ct) values to determine community-level viral load. We quantified wave-specific differences by age, sex and slum population density. Results: Overall PCR positivity was 3.4% during non-outbreak periods, rising to 23.2% and 42.8% during the Aleph (June-November 2020) and Omicron waves (January 2022), respectively, but only 9.9% during the Delta wave (March-June 2021). The community-level median Ct values fell and rose ~7-14 days prior to PCR positivity rates. Viral loads were 4-fold higher during the Delta and Omicron waves than during non-outbreak months. The Delta wave had high viral loads at older ages, in women and in areas of higher slum density. During the Omicron wave, differences in viral load by sex and for slum density had disappeared, but older adults continued to show higher viral load. Conclusions: Mumbai’s viral waves had markedly high viral loads representing an early signal of pandemic trajectory. Continue the vaccination in elderly Indians could reduce viral load in subsequent waves. Ct values are practicable monitoring tools.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».