接受/发表于:公共卫生和监测
提交日期:2021年12月27日
开放同行评审期:2021年12月26日- 2022年2月20日
接受日期:2022年4月26日
提交至PubMed日期:2022年4月29日
(关闭审查,但你仍然可以发推特)
利用接触者追踪数据实时估计传染病流行病学参数的新工具:开发与部署
摘要
背景:
监测疫情应对管理和分析系统(SORMAS)包含一个管理模块,用于支持各国应对流行病。它包括病例、接触者和事件的记录、联系和后续工作。为了允许SORMAS用户可视化数据,计算必要的监测指标,并从这些网络数据实时估计流行病学参数,我们开发了SORMAS统计(SORMAS- stats)应用程序。
摘要目的:
本研究旨在描述SORMAS-Stats应用程序中实现的基本可视化、监测指标和流行病学参数,并说明SORMAS-Stats在应对COVID-19暴发中的应用。
方法:
根据快速审查的结果和SORMAS用户的要求,我们在SORMAS- stats中包含了以下参数的可视化和估计:传输网络图,串行间隔(SI),时变复制数R(t),分散参数(k)以及图表和表格中显示的其他监测指标。我们通过将对数正态分布、伽玛分布和威布尔分布拟合到观察到的感染-感染对症状出现日期之间的天数分布来估计SI。我们通过对观察到的每个感染者的感染人数拟合负二项分布来估计k。此外,我们应用马尔可夫链蒙特卡罗方法,并使用发生率数据和从传输网络数据计算的观测SI估计R(t)。
结果:
利用2021年7月31日至10月29日在法国勃艮第-弗朗什-康弗涅大区报告的COVID-19接触者追踪数据,构建了包含63570个节点的网络图。该网络包括1.75%(1115/63570)的病例,19.59%(12452/63570)的病例,78.66%(50003/63570)的暴露者,1238对感染者,3860条传播链,其中24.69%(953/3860)的事件为指示感染者。与SI观测数据最拟合的分布为对数正态分布,平均为4.30天(95% CI, 4.09-4.51天)。我们估计离散参数k为21.11 (95% CI, 7.57-34.66),有效再现数R为0.9 (95% CI, 0.58-0.60)。周估计R(t)值在0.80 ~ 1.61之间。
结论:
我们提供了一个实时估计流行病学参数的应用程序,这对通报疫情应对策略至关重要。这些估计与以前的研究结果相符。SORMAS- stats应用程序将通过提供监测指标的广泛可视化和计算,极大地协助使用SORMAS或类似工具的地区公共卫生当局。
引用
请求排队。正在生成文件,请稍候。这可能需要一些时间。
版权
©作者。版权所有。这是一份特权文件,目前正在接受同行评审/社区评审(或被接受/拒绝的手稿)。作者已向JMIR Publications提卡塔尔世界杯8强波胆分析供独家许可,在其网站上发布此预印本,仅供审查和印前引用之用。虽然最终的同行评议论文在发表时可能会根据cc-by许可进行许可,但在此阶段,作者和出版商明确禁止将该论文草稿重新分发,除非用于评审目的。