Looking under the lamp-post: quantifying the performance of contact tracing in the United States during the SARS-CoV-2 pandemic
Notice bibliographique
Résumé
Contact tracing forms a crucial part of the public-health toolbox in mitigating and understanding emergent pathogens and nascent disease outbreaks. Contact tracing in the United States was conducted during the pre-Omicron phase of the ongoing COVID-19 pandemic. This tracing relied on voluntary reporting and responses, often using rapid antigen tests (with a high false negative rate) due to lack of accessibility to PCR tests. These limitations, combined with SARS-CoV-2's propensity for asymptomatic transmission, raise the question "how reliable was contact tracing for COVID-19 in the United States"? We answered this question using a Markov model to examine the efficiency with which transmission could be detected based on the design and response rates of contact tracing studies in the United States. Our results suggest that contact tracing protocols in the U.S. are unlikely to have identified more than 1.65% (95% uncertainty interval: 1.62%-1.68%) of transmission events with PCR testing and 0.88% (95% uncertainty interval 0.86%-0.89%) with rapid antigen testing. When considering an optimal scenario, based on compliance rates in East Asia with PCR testing, this increases to 62.7% (95% uncertainty interval: 62.6%-62.8%). These findings highlight the limitations in interpretability for studies of SARS-CoV-2 disease spread based on U.S. contact tracing and underscore the vulnerability of the population to future disease outbreaks, for SARS-CoV-2 and other pathogens.
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 | 0,009 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».