MétaCan
Menu
← Retour à la cohorte
Enregistrement W4380319906 · doi:10.1136/bmjopen-2022-071228

SARS-CoV-2 cross-sectional seroprevalence study among public school staff in Metro Vancouver after the first Omicron wave in British Columbia, Canada

2023· article· en· W4380319906 sur OpenAlexafffundabout
Allison W. Watts, Louise C. Mâsse, David A. Goldfarb, Michael A. Irvine, Sarah M. Hutchison, Lauren Muttucomaroe, Bethany Poon, Vilte Barakauskas, Collette O’Reilly, Else S. Bosman, Frederic Reicherz, Daniel Coombs, Mark Pitblado, Sheila F. O’Brien, Pascal M. Lavoie

Notice bibliographique

RevueBMJ Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of OttawaCanadian Blood ServicesBC Centre for Disease ControlBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesBritish Columbia Centre for Disease ControlGovernment of CanadaCanadian Blood ServicesBC Children's Hospital
Mots-clésSeroprevalenceMedicineCross-sectional studyDemographySerologyIncidence (geometry)EpidemiologyPublic healthFamily medicineEnvironmental healthImmunologyInternal medicineAntibodyNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine the SARS-CoV-2 seroprevalence among school workers within the Greater Vancouver area, British Columbia, Canada, after the first Omicron wave. DESIGN: Cross-sectional study by online questionnaire, with blood serology testing. SETTING: Three main school districts (Vancouver, Richmond and Delta) in the Vancouver metropolitan area. PARTICIPANTS: Active school staff enrolled from January to April 2022, with serology testing between 27 January and 8 April 2022. Seroprevalence estimates were compared with data obtained from Canadian blood donors weighted over the same sampling period, age, sex and postal code distribution. PRIMARY AND SECONDARY OUTCOMES: SARS-CoV-2 nucleocapsid antibody testing results adjusted for test sensitivity and specificity, and regional variation across school districts using Bayesian models. RESULTS: Of 1850 school staff enrolled, 65.8% (1214/1845) reported close contact with a COVID-19 case outside the household. Of those close contacts, 51.5% (625/1214) were a student and 54.9% (666/1214) were a coworker. Cumulative incidence of COVID-19 positive testing by self-reported nucleic acid or rapid antigen testing since the beginning of the pandemic was 15.8% (291/1845). In a representative sample of 1620 school staff who completed serology testing (87.6%), the adjusted seroprevalence was 26.5% (95% CrI 23.9% to 29.3%), compared with 32.4% (95% CrI 30.6% to 34.5%) among 7164 blood donors. CONCLUSION: Despite frequent COVID-19 exposures reported, SARS-CoV-2 seroprevalence among school staff in this setting remained no greater than the community reference group. Results are consistent with the premise that many infections were acquired outside the school setting, even with Omicron.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,389
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→