Syndromic Surveillance Tracks COVID-19 Cases in University and County Settings: Retrospective Observational Study
Notice bibliographique
Résumé
Background: Syndromic surveillance represents a potentially inexpensive supplement to test-based COVID-19 surveillance. By strengthening surveillance of COVID-19-like illness (CLI), targeted and rapid interventions can be facilitated that prevent COVID-19 outbreaks without primary reliance on testing. Objective: This study aims to assess the temporal relationship between confirmed SARS-CoV-2 infections and self-reported and health care provider-reported CLI in university and county settings, respectively. Methods: We collected aggregated COVID-19 testing and symptom reporting surveillance data from Cornell University (2020-2021) and Tompkins County Health Department (2020-2022). We used negative binomial and linear regression models to correlate confirmed COVID-19 case counts and positive test rates with CLI rate time series, lagged COVID-19 cases or rates, and day of the week as independent variables. Optimal lag periods were identified using Granger causality and likelihood ratio tests. Results: In modeling undergraduate student cases, the CLI rate (P=.003) and rate of exposure to CLI (P<.001) were significantly correlated with the COVID-19 test positivity rate with no lag in the linear models. At the county level, the health care provider-reported CLI rate was significantly correlated with SARS-CoV-2 test positivity with a 3-day lag in both the linear (P<.001) and negative binomial model (P=.005). Conclusions: The real-time correlation between syndromic surveillance and COVID-19 cases on a university campus suggests symptom reporting is a viable alternative or supplement to COVID-19 surveillance testing. At the county level, syndromic surveillance is also a leading indicator of COVID-19 cases, enabling quick action to reduce transmission. Further research should investigate COVID-19 risk using syndromic surveillance in other settings, such as low-resource settings like low- and middle-income countries.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».