从阳性RT-PCR测试中重建COVID-19发病率,通过解卷
Mengtian Li1,2, Jiachen Li1,3, Ke Wang1,3
1National Center of Mathematics and Interdisciplinary Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing, 100190, China.
BMC infectious diseases
|October 11, 2023
概括
一种新的解卷法从RT-PCR测试中重建了COVID-19感染率,并考虑了测试延迟. 这种方法有助于疾病控制,通过实时了解流行病进展,并为公共卫生战略提供信息.
科学领域:
- 流行病学 流行病学
- 公共卫生 公共卫生
- 数学建模的数学建模
背景情况:
- 新兴的COVID-19变种带来了重大的公共卫生挑战.
- 大规模的每日RT-PCR测试在中国实施,但感染和阳性测试结果之间存在延迟.
- 了解这种延迟对于准确的感染发病率重建和有效的疾病控制至关重要.
研究的目的:
- 从RT-PCR测试数据开发和验证一种解卷方法,用于从RT-PCR测试数据中重建每日COVID-19感染发病率.
- 估计感染和阳性RT-PCR测试之间的延迟模式.
- 将该方法应用于现实世界爆发数据,以改善流行病监测和控制.
主要方法:
- 制定了一个卷积模型,将事件重建视为具有正性约束的线性反向问题.
- 采用了理查德-卢西解卷算法,并开发了一个实时版本用于事件重建.
- 将该方法应用于北京和无锡的Omicron变种爆发数据,使用EM算法估计延迟函数.
主要成果:
- 与2020年的数据相比,2022年巴尔爆发的估计延迟函数显示了缩短模式 (4天).
- 分解感染发病率准确识别了感染事件,即使在疫情关闭后,并在无锡检测到爆炸性增加.
- 该方法揭示了疫情的进展,为预防和控制策略提供了洞察力,特别是大规模测试的作用.
结论:
- 解卷法广泛适用于其他传染病,并具有适当的延迟模型.
- 准确的重建需要在与病毒变种和测试协议相似的环境中估计延迟函数.
- 实时解密提供了有价值的及时反,用于在急性流行病阶段修改控制措施.
更多相关视频
07:54Two-Step Reverse Transcription Droplet Digital PCR Protocols for SARS-CoV-2 Detection and Quantification
Published on: March 31, 2021
4.6K
11:11Efficient SARS-CoV-2 Quantitative Reverse Transcriptase PCR Saliva Diagnostic Strategy utilizing Open-Source Pipetting Robots
Published on: February 11, 2022
4.6K
