卡塔尔世界杯8强波胆分析

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。