Trends in invasive bacterial diseases during the first 2 years of the COVID-19 pandemic: analyses of prospective surveillance data from 30 countries and territories in the IRIS Consortium
Notice bibliographique
Résumé
BACKGROUND: The Invasive Respiratory Infection Surveillance (IRIS) Consortium was established to assess the impact of the COVID-19 pandemic on invasive diseases caused by Streptococcus pneumoniae, Haemophilus influenzae, Neisseria meningitidis, and Streptococcus agalactiae. We aimed to analyse the incidence and distribution of these diseases during the first 2 years of the COVID-19 pandemic compared to the 2 years preceding the pandemic. METHODS: For this prospective analysis, laboratories in 30 countries and territories representing five continents submitted surveillance data from Jan 1, 2018, to Jan 2, 2022, to private projects within databases in PubMLST. The impact of COVID-19 containment measures on the overall number of cases was analysed, and changes in disease distributions by patient age and serotype or group were examined. Interrupted time-series analyses were done to quantify the impact of pandemic response measures and their relaxation on disease rates, and autoregressive integrated moving average models were used to estimate effect sizes and forecast counterfactual trends by hemisphere. FINDINGS: Overall, 116 841 cases were analysed: 76 481 in 2018-19, before the pandemic, and 40 360 in 2020-21, during the pandemic. During the pandemic there was a significant reduction in the risk of disease caused by S pneumoniae (risk ratio 0·47; 95% CI 0·40-0·55), H influenzae (0·51; 0·40-0·66) and N meningitidis (0·26; 0·21-0·31), while no significant changes were observed for S agalactiae (1·02; 0·75-1·40), which is not transmitted via the respiratory route. No major changes in the distribution of cases were observed when stratified by patient age or serotype or group. An estimated 36 289 (95% prediction interval 17 145-55 434) cases of invasive bacterial disease were averted during the first 2 years of the pandemic among IRIS-participating countries and territories. INTERPRETATION: COVID-19 containment measures were associated with a sustained decrease in the incidence of invasive disease caused by S pneumoniae, H influenzae, and N meningitidis during the first 2 years of the pandemic, but cases began to increase in some countries towards the end of 2021 as pandemic restrictions were lifted. These IRIS data provide a better understanding of microbial transmission, will inform vaccine development and implementation, and can contribute to health-care service planning and provision of policies. FUNDING: Wellcome Trust, NIHR Oxford Biomedical Research Centre, Spanish Ministry of Science and Innovation, Korea Disease Control and Prevention Agency, Torsten Söderberg Foundation, Stockholm County Council, Swedish Research Council, German Federal Ministry of Health, Robert Koch Institute, Pfizer, Merck, and the Greek National Public Health Organization.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».