Timing and Predictors of Loss of Infectivity Among Healthcare Workers With Mild Primary and Recurrent COVID-19: A Prospective Observational Cohort Study
Notice bibliographique
Résumé
BACKGROUND: There is a need to understand the duration of infectivity of primary and recurrent coronavirus disease 2019 (COVID-19) and identify predictors of loss of infectivity. METHODS: Prospective observational cohort study with serial viral culture, rapid antigen detection test (RADT) and reverse transcription polymerase chain reaction (RT-PCR) on nasopharyngeal specimens of healthcare workers with COVID-19. The primary outcome was viral culture positivity as indicative of infectivity. Predictors of loss of infectivity were determined using multivariate regression model. The performance of the US Centers for Disease Control and Prevention (CDC) criteria (fever resolution, symptom improvement, and negative RADT) to predict loss of infectivity was also investigated. RESULTS: In total, 121 participants (91 female [79.3%]; average age, 40 years) were enrolled. Most (n = 107, 88.4%) had received ≥3 severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) vaccine doses, and 20 (16.5%) had COVID-19 previously. Viral culture positivity decreased from 71.9% (87/121) on day 5 of infection to 18.2% (22/121) on day 10. Participants with recurrent COVID-19 had a lower likelihood of infectivity than those with primary COVID-19 at each follow-up (day 5 odds ratio [OR], 0.14; P < .001]; day 7 OR, 0.04; P = .003]) and were all non-infective by day 10 (P = .02). Independent predictors of infectivity included prior COVID-19 (adjusted OR [aOR] on day 5, 0.005; P = .003), an RT-PCR cycle threshold [Ct] value <23 (aOR on day 5, 22.75; P < .001) but not symptom improvement or RADT result.The CDC criteria would identify 36% (24/67) of all non-infectious individuals on day 7. However, 17% (5/29) of those meeting all the criteria had a positive viral culture. CONCLUSIONS: Infectivity of recurrent COVID-19 is shorter than primary infections. Loss of infectivity algorithms could be optimized.
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 | 0,003 |
| 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 | 0,001 | 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 ».