SARS-CoV-2 seroprevalence and determinants for salivary seropositivity among pupils and school staff: a prospective cohort study
Notice bibliographique
Résumé
Representative school data on SARS-CoV-2 past-infection are scarce, and differences between pupils and staff remain ambiguous. We performed a nation-wide prospective seroprevalence study among pupils and staff over time and in relation to determinants of infection using Poisson regression and generalised estimating equations. A cluster random sample was selected with allocation by region and sociodemographic (SES) background. Surveys and saliva samples were collected in December 2020, March, and June 2021, and also in October and December 2021 for primary pupils. We recruited 885 primary and 569 secondary pupils and 799 staff in 84 schools. Cumulative seroprevalence (95% CI) among primary pupils increased from 11.0% (7.6; 15.9) at baseline to 60.4% (53.4; 68.3) in December 2021. Group estimates were similar at baseline; however, in June they were significantly higher among primary staff (38.9% (32.5; 46.4)) compared to pupils and secondary staff (24.2% (20.3; 28.8)). Infections were asymptomatic in 48-56% of pupils and 28% of staff. Seropositivity was associated with individual SES in pupils, and with school level, school SES and language network in staff in June. Associations with behavioural characteristics were inconsistent. Seroconversion rates increased two- to four-fold after self-reported high-risk contacts, especially with adults. Seroprevalence studies using non-invasive sampling can inform public health management.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».