PCR Test Positivity and Viral Loads during Three SARS-CoV-2 Viral Waves in Mumbai, India
Notice bibliographique
Résumé
SARS-CoV-2 polymerase chain reaction (PCR) tests generally report only binary (positive or negative) outcomes. Quantitative PCR tests can provide epidemiological information on viral transmission patterns in populations. SARS-CoV-2 transmission patterns during India's SARS-CoV-2 viral waves remain largely undocumented. We analyzed 2.7 million real-time PCR testing records collected in Mumbai, a bellwether for other Indian cities. We used the inverse of cycle threshold (Ct) values to determine the community-level viral load. We quantified wave-specific differences by age, sex, and slum population density. Overall, PCR positivity was 3.4% during non-outbreak periods, rising to 23.2% and 42.8% during the original (June-November 2020) and Omicron waves (January 2022), respectively, but was a surprisingly low 9.9% during the Delta wave (March-June 2021; which had the largest increase in COVID deaths). The community-level median Ct values fell and rose ~7-14 days prior to PCR positivity rates. Viral loads were four-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 slum density had disappeared, but older adults continued to show a higher viral load. Mumbai's viral waves had markedly high viral loads representing an early signal of the pandemic trajectory. 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».