使用在家快速测试的调查数据跟踪COVID-19感染
Mauricio Santillana1,2,3, Ata A Uslu3, Tamanna Urmi1,3
1Machine Intelligence Group for the Betterment of Health and the Environment, Northeastern University, Boston, Massachusetts.
JAMA network open
|September 30, 2024
概括
非概率在线调查有效地追踪了COVID-19感染,即使官方测试下降. 这种方法为未来的流行病监测和公共卫生干预提供了可扩展的方法.
科学领域:
- 流行病学 流行病学
- 公共卫生监督 公共卫生监督
- 传染病建模 传染病建模
背景情况:
- 在流行病期间精确跟踪传染病对于有效的公共卫生反应至关重要.
- 通过测试可访问性和报告延迟,可以挑战传统的监控方法.
研究的目的:
- 评估非概率在线调查对随时间推移估计COVID-19感染的有用性.
- 将基于调查的感染估计与官方病例数和废水监测数据进行比较.
主要方法:
- 基于互联网的非概率调查于2020年6月至2023年1月在美国各地进行.
- 调查收集了自我报告的COVID-19感染数据,并为人口平衡提供州级配额.
- 这些估计与约翰霍普金斯大学的病例数据和Biobot Analytics废水数据进行了比较.
主要成果:
- 调查估计的COVID-19病例与2022年1月之前的官方报告有很强的相关性.
- 在2022年1月之后,调查估计与废水SARS-CoV-2度保持了很高的相关性,与官方报告不同.
- 据估计,在2022年1月至2023年1月期间,大约有5400万个COVID-19病例在官方记录中可能没有被记录.
结论:
- 非概率调查数据为估计新兴流行病期间感染趋势提供了有价值的工具.
- 自我报告调查,可能与家庭测试相结合,可以增强未来的感染监测系统.
- 这种方法为实时公共卫生监测提供了一种可访问和负担得起的方法.
更多相关视频
07:13Swabbing the Urban Environment - A Pipeline for Sampling and Detection of SARS-CoV-2 From Environmental Reservoirs
Published on: April 9, 2021
4.2K
11:11Efficient SARS-CoV-2 Quantitative Reverse Transcriptase PCR Saliva Diagnostic Strategy utilizing Open-Source Pipetting Robots
Published on: February 11, 2022
4.5K
