Model-based estimates of age-structured SARS-CoV-2 epidemiology in households
Notice bibliographique
Résumé
BACKGROUND: Understanding how infectious disease transmission varies from person to person, including associations with age and contact behavior, can help design effective control strategies. Within households, transmission may be highly variable because of differing transmission risks by age, household size, and individual contagiousness. Our aim was to disentangle those factors by fitting mathematical models to SARS-CoV-2 household survey and serologic data. METHODS: We surveyed members of 3,381 Utah households from January-April 2021 and performed SARS-CoV-2 antibody testing on all available members. We paired these data with a probabilistic model of household importation and transmission composed of a novel combination of transmission variability and age- and size-structured heterogeneity. We calculated maximum likelihood estimates of mean and variability of household transmission probability between household members in different age groups and different household sizes, simultaneously with importation probability and probabilities of false negative and false positive test results. RESULTS: 12.8% of individual participants, residing in 17.4% of the participating households, showed serologic evidence of prior infection or reported a prior positive test on the survey. Serologically positive individuals in younger age groups were less likely than older adults to have tested positive during their infection according to our survey results. Our model results suggested that adolescents and young adults (ages 13-24) acquired SARS-CoV-2 infection outside the household at a rate substantially higher than younger children and older adults. Our estimate of the household secondary attack rate (HSAR) among adults aged 45 and older exceeded HSARs to and/or from younger age groups at a given household size. We found lower HSAR in households with more members, independent of age differences. The age-specific HSAR patterns we found could not be explained by age-dependent biological susceptibility and transmissibility alone, suggesting that age groups contacted each other at different rates within households. CONCLUSIONS: We disentangled several factors contributing to age-specific infection risk, including non-household exposure, within-household exposure to specific age groups, and household size. Within-household contact rate differences played a significant role in driving household transmission epidemiology. These findings provide nuanced insights for understanding community outbreak patterns and mechanisms of differential infection risk.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».