Emergence and spread of the SARS-CoV-2 omicron (BA.1) variant across Africa: an observational study
Notice bibliographique
Résumé
BACKGROUND: In mid-November, 2021, the SARS-CoV-2 omicron variant (B.1.1.529; BA.1 sublineage) was detected in southern Africa, prompting international travel restrictions. We aimed to investigate the spread of omicron BA.1 in Africa. METHODS: ) at the country level considering the BA.1 fraction and the reported numbers of infections. Phylogeographical analyses were done in a Bayesian framework. FINDINGS: of 2·60 (95% CI 2·46-2·71). This south-north spread, established on the basis of PCR data, was substantiated by phylogeographical reconstructions, ancestral state reconstructions, and GISAID data. PCR-based reconstructions of country-level BA.1 predominance and the availability of BA.1 genomic sequences in GISAID correlated significantly in time (p=0·0002, r=0·78). The first detections of BA.1 in high-income settings beyond Africa were predicted accurately in time by mobility-based mathematical simulations (p<0·0001). Comparing PCR-based reconstructions with mobility-based mathematical simulations suggested that SARS-CoV-2 infections in Africa were under-reported by approximately ten times. Inbound travellers infected with BA.1, departing from five continents, were identified in six African countries by early December, 2021. INTERPRETATION: and the geographical spread of emerging pathogens in a cost-effective and timely manner, and can guide evidence-based, non-pharmaceutical interventions such as travel restrictions or physical distancing. FUNDING: Bill & Melinda Gates Foundation. TRANSLATIONS: For the French, Portugese and Spanish translations of the abstract see Supplementary Materials section.
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 | 0,001 | 0,000 |
| 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 ».