Early Warning and Rapid Public Health Response to Prevent COVID-19 Outbreaks in Long-term Care Facilities (LTCF) by Monitoring SARS-CoV-2 RNA in LTCF Site-specific Sewage Samples and Assessment of Antibodies Response in this Population [SSSIS, study data contributed to the CITF Databank]
Notice bibliographique
Résumé
Background:Residents of Canadian long-term care facilities (LTCF) experience challenges with social distancing and the movement of staff between the facility and their communities, which increases their vulnerability to COVID-19. Aims of the CITF-funded study: The SSSIS study aimed to 1) investigate and conduct a cost-benefit analysis on the use of a site-specific sewage surveillance of SARS-CoV-2 as an early warning system to prevent outbreaks in LTCFs; 2) study the antibody response of residents and staff in LTCFs; and 3) evaluate the execution of commercial assays aimed to detect vaccine-induced antibodies and the correlation with neutralizing antibody responses. Methods: For Part I of this study where the unit of analysis was long-term care facilities, sewage samples were monitored semiweekly: if the sample tested negative for SARS-CoV-2, no action was taken, but positive results warranted an investigation if necessary. Part II was a cohort study was conducted in a different set of LTCF, where residents and staff were recruited from the LTCF Associations across Edmonton region of Alberta. Participants completed a questionnaire and provided a blood sample (venipuncture or DBS) at baseline and at follow-ups pre-vaccine, pre-second dose, and 3-, 6-, 12-, and 18-months post second dose. Summary of dataset contents: For Part I of this study, a total of 2,936 sewage samples were collected from 12 sites between Jan 2021 and May 2023: 36% (1,058) of the sewage samples were tested positive for SARS-CoV-2. For Part II of this study, the datasets include 364 participants (241 staffs and 123 residents) who completed a questionnaire between Feb 2021 and Aug 2021. All participants provided one or more blood samples at baseline and during follow-up visits up to Dec 2022. A total of 966 blood samples were collected. Variables include data in the following areas of information: demographics (age, gender), exposure risk factors (dining place for residence, working site for staff), longitudinal follow-up for COVID infections (COVID test) and vaccination, and serology.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».