Echtzeitüberwachung von COVID

Wissenschaftliche Berichte Band 13, Artikelnummer: 9371 (2023) Diesen Artikel zitieren

1 Altmetrisch

Details zu den Metriken

Weltweit haben Gemeinden Impfstoffe und Gesichtsmasken eingesetzt, um die COVID-19-Pandemie einzudämmen. Wenn sich eine Person für eine Impfung oder das Tragen einer Maske entscheidet, verringert sie möglicherweise ihr eigenes Infektionsrisiko sowie das Risiko, das sie während der Infektion für andere darstellt. Der erste Vorteil – die Verringerung der Anfälligkeit – wurde in mehreren Studien nachgewiesen, während der zweite – die Verringerung der Infektiosität – weniger gut verstanden ist. Mithilfe einer neuen statistischen Methode schätzen wir die Wirksamkeit von Impfstoffen und Gesichtsmasken bei der Reduzierung beider Arten von Risiken anhand der in einem städtischen Umfeld gesammelten Kontaktverfolgungsdaten ab. Wir stellen fest, dass die Impfung das Risiko einer Weiterübertragung während der Delta-Welle um 40,7 % [95 %-KI 25,8–53,2 %] und während der Omicron-Welle um 31,0 % [95 %-KI 19,4–40,9 %] reduzierte und dass das Tragen einer Maske das Risiko verringerte Infektion um 64,2 % [95 %-KI 5,8–77,3 %] während der Omicron-Welle. Durch die Nutzung häufig gesammelter Kontaktverfolgungsdaten kann der Ansatz im Großen und Ganzen zeitnahe und umsetzbare Schätzungen der Interventionswirksamkeit gegen einen sich schnell entwickelnden Krankheitserreger liefern.

Impfung und das Tragen von Masken sind nach wie vor zwei der wichtigsten Instrumente der öffentlichen Gesundheit, um die Übertragung und Sterblichkeit von COVID-19 zu verhindern1,2,3,4,5,6,7,8,9,10. Allerdings schwanken die Schätzungen ihrer Wirksamkeit je nach Gemeinde und Stadium der Pandemie stark11. Die Messung der Auswirkungen von Impfungen und dem Tragen von Masken ist besonders wichtig für den Schutz gefährdeter Gemeinschaften, zu denen Pflegeheime und Gemeinschaftseinrichtungen wie Universitätsgelände gehören12. Das Verständnis der Interventionswirksamkeit von Strategien, die nur minimale Auswirkungen auf die globale Wirtschaftsaktivität haben, kann bessere politische Antworten liefern, die die Verringerung der epidemischen Belastung und die wirtschaftlichen Kosten in Einklang bringen.

Diskrepanzen bei den Schätzungen der Interventionswirksamkeit können auf Unterschiede zwischen den Studienpopulationen zurückzuführen sein, wie z. B. die Prävalenz von Komorbiditäten, die demografische Struktur und Kontaktmuster. Während der Delta-Welle lagen die Schätzungen der Wirksamkeit von zwei Dosen mRNA-1273 (Moderna) gegen symptomatische und asymptomatische Infektionen im Krankenhaus bei 86,7 %13,14,15 und bei Pflegeheimbewohnern bei nur 53,1 %16. Obwohl beide Studien die gemeinsamen Ursachen der Heterogenität (Alter und frühere Infektion) kontrollierten, gab es möglicherweise eine höhere Prävalenz von Komorbiditäten in der Pflegeheimbevölkerung. Während der Omicron-Welle lagen die Wirksamkeitsschätzungen für zwei Dosen der mRNA-Impfstoffe von Moderna oder Pfizer zwischen 70 % in einem südafrikanischen Krankenhaus17 und 36,6 % in mehreren Testeinrichtungen in Ontario, Kanada18. Auch diese Studien kontrollierten viele der gleichen Störvariablen, einschließlich Alter und Komorbiditäten. Buchan et al. waren nicht in der Lage, frühere Infektionsraten in der Bevölkerung zu kontrollieren, was möglicherweise zu einer Diskrepanz in den Ergebnissen führte18. Diese Ergebnisse verdeutlichen, dass die Wirksamkeit der SARS-CoV-2-Intervention im Laufe der Zeit und zwischen den Gemeinden variiert und dass statistische Modelle zur Abschätzung der Wirksamkeit lokale epidemiologische, demografische und Verhaltensbedingungen berücksichtigen sollten.

Test-Trace-Isolate, zu denen auch die „Kontaktverfolgung“ gehört, wurden häufig eingesetzt, um die Übertragung von COVID-19 zu verhindern, insbesondere in den ersten Monaten der Pandemie. Während solche Bemühungen oft durch Testverzögerungen und Ressourcenbeschränkungen behindert wurden19, sammelten sie häufig wertvolle Daten zur Impfhistorie, [Geschichte der Maskennutzung], zum Verhalten, zu Kontaktmustern, früheren Infektionen und zum Infektionsstatus von Indexpatienten und ihren Kontaktpersonen2,9,20 . [Solche Daten ermöglichen eine Abschätzung der Schutzwirkung des gleichzeitigen Tragens von Masken und der Impfung sowie ihrer Auswirkungen auf die Infektion und die Weiterübertragung]. Wir stellen dies den traditionellen „Test-negativen“ Designs der Impfstoffwirksamkeit gegenüber, bei denen symptomatische Personen bei Gesundheitsdienstleistern anwesend sind und ihr Test- und Impfstatus aufgezeichnet wird. Bei traditionellen Test-negativen Designs wird davon ausgegangen, dass Störfaktoren unter der Bedingung, dass sie einen Test erhalten, randomisiert werden (mit Ausnahme des Verhaltens bei der Suche nach medizinischer Versorgung)21. Test-Negativ-Designs können jedoch die Schutzwirkung von Interventionen gegen eine Weiterübertragung nicht gemeinsam abschätzen und haben oft Schwierigkeiten, frühere Infektionen zu kontrollieren. Im Zusammenhang mit COVID-19-Testnegativdesigns ist unklar, ob die Präsentation in einer Testeinrichtung ausreichend kontrolliert, ob eine Person dazu neigt, eine Maske zu tragen oder soziale Distanz zu wahren. Schließlich können Test-Negativdesigns unter einem Susceptive-Depletion-Bias leiden22, der bei auf Kontaktverfolgung basierenden Studien nicht auftreten kann, da die Analyse auf der Grundlage einer Reihe von Expositionen anfälliger Personen durchgeführt wird.

Wir analysieren Daten aus einem SARS-CoV-2-Kontaktverfolgungsprogramm an einer großen Universität in den USA, um die veränderten Auswirkungen von Impfstoffen und Gesichtsmasken auf die Übertragung abzuschätzen und gleichzeitig Gemeinschaftsstrukturen hervorzuheben, die einem höheren Risiko ausgesetzt sind. [Unseres Wissens ist dies die erste Studie, die die Wirksamkeit von Impfstoffen und Gesichtsmasken in einer Universitätsgemeinschaft abschätzt, und die erste, die gleichzeitig die Wirksamkeit von mehr als einer Intervention in einer Bevölkerungsgruppe abschätzt. Andere Studien haben jedoch Kontaktverfolgungsdaten für die Wirksamkeit von Impfstoffen genutzt Schätzung ]2,23. Unser Rahmen ist darauf ausgelegt, Echtzeit- und ortsspezifische Schätzungen zu liefern – wie z. B. Übertragungsrisiken im Zusammenhang mit Schulen, Arbeitsplätzen, Sportveranstaltungen und dem Zusammenleben in Gemeinden – und gleichzeitig gezielte Interventionen und Risikokommunikation zu ermöglichen.

Wir definieren Interventionswirksamkeit (\(\mathbb {E}_A\)) als

Dabei bezeichnet \(Y_{A=1}\) die kontrafaktische Testpositivitätsrate, wenn jeder die Intervention erhalten hätte, und \(Y_{A=0}\) die kontrafaktische Testpositivitätsrate, wenn niemand die Intervention erhalten hätte. Entsprechend definieren wir die Wirksamkeit einer Intervention als eins minus dem kausalen Risikoverhältnis21,24,25. Im Idealfall würden wir echte Infektionen messen und nicht solche, die positiv getestet wurden, aber das ist nicht beobachtbar.

Wir schätzen Gl. (1) aus den beobachteten Daten bei Vorhandensein von Confounding durch Marginalisierung über Kovariaten (W).

Wir begrenzen den Erwartungswert der Wirksamkeit der Intervention nicht zwischen 0 und 1, sondern lassen eher negative Werte zu, die darauf hindeuten würden, dass die Intervention mit einer Erhöhung der Wahrscheinlichkeit eines positiven Tests verbunden ist. Um \(\mathbb {E_A}\) als kausale Größe zu etablieren, müssen wir nach der Konditionierung auf beobachteten Kovariaten keine ungemessene Verwechslung sowie kontrafaktische Konsistenz annehmen. [Wir stellen sicher, dass es in jeder Kovariatenkombination mindestens eine positiv getestete Person und mindestens eine negativ getestete Person gibt.]

Da wir besonders an der Wirksamkeit im Laufe der Zeit aufgrund von Immunschwäche und neu auftretenden Varianten interessiert sind, definieren wir auch die bedingte Interventionswirksamkeit, die davon abhängt, dass eine bestimmte Variante (V) während eines bestimmten Zeitraums dominiert.

Wir beginnen mit der Formulierung eines parametrischen logistischen Regressionsmodells für die Wahrscheinlichkeit einer testpositiven Interaktion zwischen einem Indexfall und einem Kontakt. Wir bezeichnen \(Y_{i,j}\) als Indikator für einen positiven Kontakt des j-ten Indexfalls mit dem i-ten Kontakt.

In Gl. (4) „Dauer“ ist ein binärer Indikator für die Dauer des Kontakts (mehr oder weniger als 60 Minuten), „Innenraum“ ist ein binärer Indikator dafür, ob die Interaktion drinnen oder draußen stattgefunden hat, „Physikalischer Kontakt“ ist ein Indikator für einen direkten physischen Kontakt und Beziehung bezeichnet eine kategoriale Variable der Beziehung (Mitbewohner, Klassenkamerad oder Basislinie, die häufige Beziehungstypen wie Freunde, Partner, Kollegen, Familie umfasst). Wir schließen einen Interaktionsterm der Wirkung von Impfung und Maskentragen (sowohl für Fälle als auch für Kontakte) mit einem Indikator für die Variante ein, die während dreier unterschiedlicher Wellen, Alpha, Delta und Omicron, zirkuliert. Wenn Indexfälle mehrere Kontakte haben, können die mit diesen Ereignissen verbundenen Risiken korrelieren. Um diese Korrelation zu berücksichtigen, schließen wir einen zufälligen Schnittpunkt (\(b_{0,j}\)) ein, der speziell für den Indexfall j gilt und das zusätzliche Übertragungsrisiken über die expliziten Kovariaten hinaus erfasst.

Wir verknüpfen dieses Modell mit dem in Gleichung definierten [Schätzwert]. (3) durch eine bayesianische parametrische Formulierung der g-Berechnungsformel. [Die g-Berechnungsformel ist eine etablierte Methode zur Marginalisierung von Störvariablen bei der Schätzung eines marginalen Behandlungseffekts, in diesem Fall eins minus dem marginalen Risikoverhältnis]26,27. Um beispielsweise die Wirksamkeit des Impfstoffs aus Gl. (2) Während der Omicron-Welle zielen wir auf die folgende Funktion der beobachteten Daten ab.

Unter einem parametrischen logistischen Ergebnisregressionsmodell können wir den Ausdruck für die erwartete Wahrscheinlichkeit in den Zähler und Nenner von Gleichung einfügen. (5) und marginalisieren Sie die empirische Verteilung der Störfaktoren.

Gleichung (6) kann als erwarteter Wert über die empirische Verteilung der Daten betrachtet werden, wenn wir den Kontaktimpfstatus „setzen“ und die zirkulierende Variante auf Omicron „setzen“ würden. Da jedes \(\beta _k\) eine Zufallsvariable im Bayes'schen Kontext ist, erhalten wir Unsicherheitsschätzungen unseres Zielschätzwerts in Gl. (6) durch Standard-MCMC-Probenahme des Seitenzahnbereichs. Weitere Einzelheiten finden Sie in Anhang 1.

Die Daten wurden vom COVID-19-Test- und Rückverfolgungsprogramm der University of Texas in Austin (UT) generiert, das unter der Aufsicht von Austin Public Health lief. [Für die Zwecke unserer Analyse haben wir die Daten in drei verschiedene Variantenwellen unterteilt; der Zeitraum, in dem die Alpha-Variante vorherrschend war (15.02.2021–15.06.2021), als die Delta-Variante vorherrschend war (15.06.2021–10.12.2021) und als die Omicron-Variante vorherrschend war (12 /10.2021–03.04.2022). Wir haben einen Zeitraum der Dominanz nach Variante als den Zeitraum definiert, in dem mehr als 95 % der Fälle im Großraum Austin einer bestimmten Variante zugeordnet wurden. UT Austin meldete eine durchschnittliche Testpositivität von weniger als 1 % sowohl für den Zeitraum, als die Alpha- und Delta-Varianten dominierten, als auch eine Testpositivität von bis zu 8,7 % für den Zeitraum, als Omicron dominierte. Die Universität hat nie ein Impfmandat umgesetzt, aber eine Impfung dringend empfohlen. In der Zeit, als Alpha dominierte, galt eine Maskenpflicht sowie eine Hybridstrategie für Präsenz- und Fernunterricht. Mit dem Aufkommen der Delta-Variante hatte die Universität jedoch die Maskenpflicht aufgehoben und den Präsenzunterricht mit eingeschränkten Fernoptionen wieder aufgenommen.] Fälle von Studenten, Mitarbeitern und Lehrkräften wurden UT Contact Tracing nach einer positiven schnellen Antigen- oder Nukleinsäureamplifikation gemeldet Test durchgeführt zwischen 15.02.2021 und 04.03.2022 (Tabelle 1). Fallberichte gingen von Campus-Testprogrammen und über Selbstberichte ein. In Zusammenarbeit mit Austin Public Health identifizierte die UT-Kontaktverfolgung weitere Fälle von UT-Studenten, Mitarbeitern und Lehrkräften, die von Austin Public Health befragt wurden. Kontakt-Tracer befragten Fälle telefonisch zu ihren Symptomen, ihrer Impfgeschichte und Kontaktpersonen, die ihnen während ihrer Infektionsperiode ausgesetzt waren. Im Jahr 2021 begann die Infektionsperiode schätzungsweise zwei Tage vor dem Auftreten der Symptome (oder einem positiven Testergebnis, wenn keine Symptome vorliegen) und endete zehn Tage danach. Ab dem 1. Januar 2022 und während der Omicron-Welle wurde davon ausgegangen, dass die Infektionsperiode 5 Tage nach Symptombeginn endet28. Aus dem Fall wurden detaillierte Informationen über die Art jeder Exposition gesammelt, einschließlich der Dauer der Exposition, des Kontexts (drinnen vs. draußen), der Art des Kontakts (physisch vs. nicht-physisch), der Beziehung zum Kontakt (z. B. Mitbewohner, Klassenkamerad, oder Basislinie, die häufige Beziehungstypen wie Freunde, Partner, Kollegen, Familie umfasste) und ob sowohl der Fall als auch der Kontakt Masken trugen. Die Kontakte wurden telefonisch über ihre Exposition informiert und zu ihren Symptomen, der Vorgeschichte einer SARS-CoV-2-Infektion und Impfungen befragt. Kontaktpersonen ohne Vorgeschichte einer kürzlichen Infektion (innerhalb von drei Monaten nach der Exposition) wurden aufgefordert, sich zweimal einem COVID-19-Test zu unterziehen, und zwar zwischen 3 und 5 Tagen nach der Exposition, um Neuinfektionen frühzeitig zu erkennen, und zwischen 5 und 7 Tagen, um sich an die nationalen Richtlinien anzupassen , unabhängig vom Impfstatus. Negative Testergebnisse wurden durch Campus-Testprogramme und durch Selbstauskunft ermittelt. Die Daten wurden in der Kontaktverfolgungsdatenbank von UT gespeichert.

Fälle wurden in die Analyse einbezogen, wenn sie (1) erfolgreich an der UT untersucht wurden und bereit waren, ihre Kontakte weiterzugeben, (2) mindestens einen Kontakt hatten, der 3 bis 14 Tage nach der Exposition mindestens einmal getestet wurde, und (3) zum Zeitpunkt der Exposition über einen bekannten Impfstatus verfügten. Es wurden Kontakte einbezogen, die mindestens einen Anrufversuch aus der Kontaktverfolgung erhalten hatten und der Impfstatus des Kontakts bekannt war. Die Testergebnisse für jeden Kontakt wurden dem Indexfall beigefügt. [Da wir nicht jeden Kontakt jedes Indexfalls beobachten konnten und dieses Fehlen möglicherweise sowohl mit dem Impfstatus als auch mit der Testpositivität zusammenhängt, kann es zu Verzerrungen bei den daraus resultierenden Schätzungen der Wirksamkeit des Impfstoffs kommen. Das Fehlen war in der Zeit, in der Omicron dominant war, aufgrund der überwältigenden Fallzahl bei Kontakttracern besonders ausgeprägt (Abb. 1A). Wir untersuchen diese Verzerrung ausführlich unter „Daten zur Kontaktverfolgung“ im Abschnitt] [Die meisten Indexfälle hatten weniger als 5 Kontakte und die Verteilungen der Anzahl der Kontakte für jede der Variantenwellen entsprachen ungefähr dem Potenzgesetz (Abb. 1B)]. Jeder Kontakt, der 3 bis 14 Tage nach der Exposition ein positives Testergebnis meldete, galt als testpositiver Kontakt. Kontakte mit ausschließlich negativen Ergebnissen in diesem Zeitraum galten als testnegativ. Kontakte mit fehlenden Testergebnissen wurden in eine Analyse der Antwortausfälle einbezogen. Einige mit der UT verbundene Kontakte, die von den Kontaktverfolgern an der UT nicht benachrichtigt werden konnten, testeten dennoch an einer Teststelle auf dem Campus und ihre Ergebnisse wurden in die Kontaktverfolgungsdatenbank eingegeben. Der Fall- und Kontaktimpfstatus wurde auf zwei primären Wegen beurteilt. Zunächst wurden telefonische Interviews durchgeführt, um den Impfstatus zum Zeitpunkt der Exposition sowohl für Fälle als auch für Kontakte zu beurteilen. Konnten Kontakt-Tracer jedoch einen Kontakt nicht benachrichtigen und keinen Impfstatus erhalten, wurden universitäre Impfnachweise herangezogen. Fälle und Kontakte galten als vollständig geimpft, wenn die Exposition mindestens 14 Tage nach der [zweiten] Dosis eines von der FDA zugelassenen mRNA-Impfstoffs erfolgte. Johnson & Johnson- und AstraZeneca-geimpfte Personen wurden aus der Analyse ausgeschlossen. Als ungeimpft galten Fälle und Kontakte, die ungeimpft oder teilweise geimpft waren oder bei denen in den 14 Tagen nach der letzten Dosis eines von der FDA zugelassenen mRNA-Impfstoffs eine Exposition auftrat. Die Stichprobengröße reichte nicht aus, um den natürlichen Schwund der Immunität oder die Wirksamkeit von Auffrischungsimpfungen innerhalb eines Zeitraums abzuschätzen, der von einer bestimmten Variante dominiert wurde. Das Institutional Review Board der UT stellte fest, dass es sich bei dieser Studie nicht um Forschung an menschlichen Probanden handelte.

(A): Anteil der im Zeitverlauf erfolgreich untersuchten Kontakte. Aufgrund des Ausmaßes der Fallbelastung kam es während des Omicron-Anstiegs zu einem erheblichen Rückgang der Fähigkeit der Kontaktverfolger, Kontakte von Indexfällen zu untersuchen. (B): Verteilung der Anzahl der Kontakte nach Indexfall [, vorausgesetzt, dass ein Indexfall mindestens einen Kontakt hat, ] über die Zeiträume, in denen Alpha (15.02.2021–15.06.2021), Delta (06.06.2021) /26.10.2021–10.12.2021) und Omicron (10.12.2021–04.03.2022) dominierten.

Bei 10,3 % der Kontakte fehlte ein Testergebnis. Im Gegensatz zu herkömmlichen Test-Negativ-Designs kann das Fehlen bei Test-Negativ-Designs zur Kontaktverfolgung informativ sein. Wenn ein Kontakt ein risikofreudiges Verhalten gegenüber COVID-19 an den Tag legt, kann es wahrscheinlicher sein, dass er infiziert wird, ungeimpft ist und ein Testergebnis verpasst. Wir beobachten eine geringere Impfrate bei denjenigen, denen ein Test fehlt (Tabelle 1). Aufgrund der Integration von Test- und Rückverfolgungsdaten an der UT konnten wir weiterhin Personen beobachten, die an der UT getestet wurden, unabhängig davon, ob die Person erfolgreich von einem Kontakt-Tracer benachrichtigt wurde. [Allerdings konnten wir ihren Teststatus nicht beobachten, wenn sie außerhalb des Campus getestet haben oder überhaupt nicht getestet haben. Wir konnten auch den Anteil der Kontakte überwachen, die von Kontakt-Tracern erfolgreich untersucht wurden (Abb. 1A). Der Anteil sank während der Omicron-Welle drastisch, als die Kontakt-Tracer von der Zahl der Fälle überwältigt wurden. Bei ungeimpften Personen war dies wahrscheinlich Wenn ein positiver Test aufgrund von Risikoverhalten eher nicht auf Kontakt-Tracer reagiert, kann dies die Schätzung der Wirksamkeit des Impfstoffs deutlich nach unten verzerren. Insbesondere wenn die Wirksamkeit des Impfstoffs niedrig ist (13 %), kann die Abweichung bis zu -100 % betragen. , was darauf hindeutet, dass die Impfung die Wahrscheinlichkeit, positiv getestet zu werden, dramatisch erhöht. Durch die Überwachung des Anteils der erfolgreich gemeldeten Kontakte können wir Zeiträume identifizieren, in denen Schätzungen unzuverlässig werden könnten, wie zum Beispiel der Omicron-Anstieg. Weitere Details, einschließlich spezifischer Simulationsstudien der Verzerrung, finden Sie hier siehe Anhang A2].

Alle Datenerfassungsbemühungen wurden in Übereinstimmung mit den Richtlinien der University of Texas at Austin durchgeführt und vom internen Prüfungsausschuss der University of Texas at Austin genehmigt (STUDY00000438-MOD02). Die Einverständniserklärung aller Probanden und/oder ihrer Erziehungsberechtigten wurde eingeholt.

Für die Analyse standen 3782 Fall-Kontakt-Paare zur Verfügung. Für den Zeitraum, in dem die Alpha-Variante vorherrschte, gab es 300 Fälle und 593 Kontakte. Für den Zeitraum, in dem die Delta-Variante vorherrschend war, gab es 703 Fälle und 2433 Kontakte. Für den Zeitraum, in dem die Omicron-Variante vorherrschend war, gab es 456 Fälle und 756 Kontakte. Die Verteilung der Anzahl der Kontakte nach Fällen ist in Anhang A2 dargestellt. 57 % der Fälle und 56 % der Kontakte waren weiblich (Tabelle 1). Das Durchschnittsalter für Indexfälle und Kontakte betrug 21 Jahre (Bereich = 17–48 Jahre) bzw. 20 Jahre (Bereich = 14–40 Jahre). Über die Hälfte aller Indexfälle und Kontakte waren geimpft (56,7 % bzw. 56,6 %). Die meisten Fälle und Kontakte wurden zum Zeitpunkt der Exposition entlarvt (80,4 % bzw. 85,4 %). Die Expositionen dauerten typischerweise mehr als 60 Minuten (82,2 %) und fanden in Innenräumen statt (96,7 %). Die durchschnittliche Anzahl der Tage seit Erhalt zweier Dosen betrug bei Kontaktpersonen 169, wobei 95 % zwischen 50 und 250 Tagen vor der Exposition geimpft wurden. Insgesamt wurden 76,8 % der Kontakte erfolgreich über ihre Exposition gegenüber dem Indexfall informiert und 82,5 % der Kontakte wurden unabhängig von der Benachrichtigung nach ihrer Exposition getestet. Um fehlende Testergebnisse bei Kontakten zu berücksichtigen, wurden vier verschiedene Szenarien berücksichtigt: (1) der Kontakt wurde über die Exposition informiert (dh er antwortete auf den Anruf des Kontaktverfolgers) und sein Testergebnis wurde erfasst (61,0 %); (2) der Kontakt wurde über die Exposition informiert, ließ sich jedoch nicht testen (15,7 %); (3) der Kontakt wurde nicht erfolgreich benachrichtigt, aber dennoch getestet (21,3 %); und (4) der Kontakt wurde nicht erfolgreich benachrichtigt und es war kein Testergebnis verfügbar (2 %). Die Testpositivität lag bei 3,6 % bzw. 52,3 % bei den Kontakten, die erreicht bzw. nicht erreicht wurden.

Wir haben die Wirksamkeit des Impfstoffs gegen Infektionen in der UT-Gemeinschaft während dreier verschiedener Perioden der Pandemie geschätzt (Abb. 2A). Als die Alpha-Variante dominant war (15.02.2021–15.06.2021), reduzierte die Impfung eines Kontakts dessen Infektionsrisiko um 25,1 % [95 %-KI − 16,0–62,0 %] basierend auf 493 Indexfall-Kontaktpaaren ( Abb. 2A). Als die Delta-Variante dominant war (15.06.2021–10.12.2021), betrug die Schätzung 36,8 % [95 %-KI 20,8–51,3 %] basierend auf 1.885 Indexfall-Kontaktpaaren. Als schließlich die Omicron-Variante dominant war (10.12.2021–04.03.2022), fanden wir keine Schutzwirkung mit einer geschätzten Wirksamkeit von -107,0 % [95 %-KI − 159,2 bis − 64,8 %] basierend auf 294 Indexgehäuse-Kontaktpaare. Bezogen auf den Impfstatus des Indexfalls wurde die Wirksamkeit des Impfstoffs gegen eine Weiterübertragung während der Alpha-Welle auf 38,7 % [95 %-KI 23,9–51,1 %] und während der Delta-Welle auf 40,7 % [95 %-KI 25,8–53,2 %] geschätzt und 31,0 % [95 %-KI 19,4–40,9 %] während der Zeit, in der Omicron dominierte (Abb. 2C).

Schätzungen der Interventionswirksamkeit (in Prozent) gegen Infektionen des Kontakts mit 95 % glaubwürdigen Intervallen (vertikale schwarze Markierungen). (A): Posteriordichte der Impfstoffwirksamkeit gegen Infektionen (Kontaktimpfstatus). Die negative Schätzung für den Zeitraum, in dem Omicron dominierte, könnte auf übermäßige Verhaltensrisiken in der geimpften Gruppe zurückzuführen sein. (B): Posteriordichte der Maskenwirksamkeit gegen Infektionen (Kontaktmaskierungsstatus). (C): Posteriore Dichte der Impfstoffwirksamkeit gegen eine Weiterübertragung (Index-Impfstatus). (D): Posterior-Dichte der Maskenwirksamkeit gegen Weiterübertragung (Index-Maskierungsstatus).

Das Tragen der Maske sowohl beim Kontakt- als auch beim Indexfall bot während der Alpha- oder Delta-Variantenwellen keinen signifikanten Schutz (Alpha: 22,7 % [95 %-KI – 36,2–63,9 %], Delta: 20,4 % [95 %-KI – 61,8–71,4 %] ] ) (Abb. 2B). Während der Zeit, in der Omicron dominierte, wurde die Wirksamkeit der Maske jedoch auf 64,2 % geschätzt [95 %-KI 5,8–77,3 %]. Das alleinige Tragen einer Maske im Indexfall ist zwar nicht signifikant, weist jedoch punktuelle Schätzungen in Richtung einer Schutzwirkung auf (Alpha: 26,7 % [95 %-KI − 23,8–63,3 %], Delta: 43,4 % [95 %-KI − 8,4– 76,9 %], Omicron: − 8,0 % [95 % KI − 74,2–47,8 %]) (Abb. 2D).

Wir haben auch das Wahrscheinlichkeitsverhältnis der Übertragung als Funktion von Verhaltens- und Umweltkovariaten geschätzt und dabei den Impfstatus und die Maskierung während der Exposition berücksichtigt. Bei Klassenkameraden (OR = 0,15 [95 %-KI 0,06–0,29]) und Mitbewohnern (OR = 0,53 [95 %-KI 0,39–0,70]) (Abb. 3A) war die Übertragungswahrscheinlichkeit im Vergleich zum Ausgangswert deutlich geringer , die gängige Beziehungstypen umfasste (Freunde, Partner, Kollegen, Familie). Wir stellen außerdem fest, dass längere Interaktionen (> 60 Minuten) (OR = 1,46 [95 %-KI 1,13–1,89]) und solche mit direktem Körperkontakt (RR = 1,37 [95 %-KI 1,07–1,84]) die Wahrscheinlichkeit eines Test- positiver Kontakt im Vergleich zu kürzeren bzw. weniger physischen Kontakten. Die geschätzten zufälligen Intercepts nach Indexfall weisen erhebliche Schwankungen auf (Abb. 3B), wobei einige Indexfälle nach Kontrolle der Kovariaten mehr als das Doppelte der durchschnittlichen Übertragungswahrscheinlichkeit aufweisen. Daher gibt es wahrscheinlich noch andere Ursachen für Infektionsrisiken als die Impfung, das Tragen von Masken, die Art der Beziehung, die Art oder Dauer der Exposition und den Ort der Exposition.

Risikofaktoren für die Übertragung von SARS-CoV-2 auf einem Universitätsgelände. (A): Hintere Dichten oder potenziell verwirrende Variablen im gesamten Studienzeitraum (15.02.2021 bis 04.03.2022), einschließlich der Beziehung zwischen dem Indexfall und dem Kontakt (Klassenkamerad, Mitbewohner oder Ausgangswert, einschließlich gemeinsamer Beziehung). B. Freunde, Partner, Kollegen, Familie), der Ort der Exposition (drinnen oder draußen), die Dauer der Interaktion (länger oder kürzer als eine Stunde) und ob direkter Körperkontakt bestand. Das Quotenverhältnis gibt die Chancen für diejenigen mit dem Indikator im Verhältnis zu denen ohne den Indikator an. (B): Histogramm der geschätzten zufälligen Abschnitte der Indexfälle, die eine übermäßige Heterogenität bei der Übertragung darstellen, die nicht durch den Impfstatus des Indexfalls und des Kontakts, das Maskentrageverhalten des Indexfalls und des Kontakts sowie die Beziehung zwischen dem Indexfall und dem Kontakt erklärt werden kann , Expositionsdauer, Expositionsort oder direkter physischer Kontakt. Werte kleiner als eins (größer als eins) entsprechen Indexfällen, die weniger (höher) ansteckend als der Durchschnitt waren.

Daten zur Kontaktverfolgung einer großen städtischen Universität in den USA zeigten einen steilen Rückgang der Wirksamkeit von Impfstoffen gegen SARS-CoV-2-Infektionen [im Verlauf der Pandemie], was mit anderen Studien übereinstimmt18,29,30. Rückgänge sind wahrscheinlich auf eine Kombination aus Immunevasivität der Varianten, natürlichem Nachlassen der Immunität in den Monaten nach der Impfung und unbeobachteten Verhaltensfaktoren zurückzuführen. [Während des Omcron-Anstiegs wurden die Kontaktverfolger jedoch von der Menge an Fällen überfordert, und die Nachverfolgung von Kontakten ging deutlich zurück. Dies erklärt möglicherweise die statistisch signifikante negative Schätzung der Impfstoffwirksamkeit während des Omicron-Anstiegs und verdeutlicht eine Schwäche des auf Kontaktverfolgung basierenden Designs zur Impfstoffwirksamkeit. Durch die konsequente Überwachung der Erfolgsquote bei Kontaktuntersuchungen können Gesundheitsbehörden jedoch Zeiträume identifizieren, in denen Schätzungen möglicherweise unzuverlässig werden.]Lyngse et al. fanden ebenfalls eine negative Punktschätzung für die Wirksamkeit des Impfstoffs gegen Infektionen während der Omicron-Welle31. Der hohe Grad an Unsicherheit bei unseren Schätzungen der Interventionswirksamkeit ist auf kleine Stichprobengrößen zurückzuführen, insbesondere für die Zeiträume, in denen Alpha und Omicron dominierten.

Wir haben festgestellt, dass Impfstoffe ein hohes Maß an Schutz vor einer Weiterübertragung während der Alpha-, Delta- und Omicron-Wellen bieten. Während frühere Haushaltsstudien diese Schutzwirkung gezeigt haben32,33, glauben wir, dass dies der erste Hinweis darauf ist, dass Impfstoffe die Infektiosität in einer größeren Gemeinschaft verringern. Diese Schätzungen liefern Belege für klare und konsistente Botschaften zur Förderung von Impfungen, Auffrischungsimpfungen und der wachsamen Verwendung von Masken bei gefährlichen Anstiegen in Hochschulgemeinden. Daten zur Kontaktverfolgung ermöglichen es uns, Umwelt- und Verhaltensfaktoren zu kontrollieren, die die Übertragung beeinflussen, wenn wir die Wirksamkeit von Interventionen abschätzen. In unserer Studienpopulation im College-Alter korrelierten die Beziehungen zwischen dem Indexfall und dem Kontakt stark mit dem Infektionsrisiko. Personen, die einander durch tägliche Aktivitäten an der Uni kennengelernt haben (z. B. Klassenkameraden und Mitbewohner), hatten eine geringere Wahrscheinlichkeit, positiv getestet zu werden, als strukturierte Beziehungen außerhalb der Hochschule (Freunde, Familie, Arbeitskollegen usw.). Diese Ergebnisse haben kontraintuitive Implikationen für Universitätsverwalter, die sich mit den Kosten und Vorteilen einer Einschränkung der Campusaktivitäten während Spitzenzeiten auseinandersetzen34,35. Die Beschränkung des Präsenzunterrichts ist möglicherweise weniger wirksam bei der Vorbeugung von Infektionen als die Beschränkung gesellschaftlicher Zusammenkünfte unter Freunden auf kleine „Blasen“ oder die starke Förderung von Impfungen, Maskenpflicht und Tests, um Risiken bei gesellschaftlichen Begegnungen zu mindern.

Während groß angelegte Studien die Schutzwirkung des Tragens einer chirurgischen Maske bestätigt haben36,37, haben Abaluck et al. fanden heraus, dass das Tragen von Masken die symptomatische Seropositivität deutlich um 9 % reduzierte38, der Effekt war jedoch bei Stoffmasken im Vergleich zu chirurgischen Masken geringer. Dies könnte darauf hindeuten, dass unsere Ergebnisse auf die Kombination von Stoff-, OP- und anderen Masken zurückzuführen sind, die in dieser Hochschulpopulation verwendet werden, oder auf Probleme mit der Datenqualität im Zusammenhang mit der Selbstberichterstattung über die Verwendung von Masken. Es sind umfangreichere Studien erforderlich, um verhaltensbedingte und virologische Ursachen für Veränderungen in der Wirksamkeit von Gesichtsmasken zu trennen. Unsere Schätzungen zur Wirksamkeit von Impfstoffen und Gesichtsmasken in einer großen Universitätsgemeinschaft könnten höher sein als die für eine breitere US-Bevölkerung. College-Studenten neigen im Vergleich zu älteren Erwachsenen eher zu riskantem Verhalten39, und dies kann durch die ständige Botschaft, dass COVID-19 bei jungen Erwachsenen weniger schwerwiegend sei, noch verstärkt werden39. College-Studenten haben aufgrund der Wohngemeinschaften und Unterrichtsstrukturen in der Regel auch eine große Anzahl enger physischer Kontakte pro Woche. Sie sind in der Regel auch jung und gesund und weisen eine geringere Prävalenz von Komorbiditäten auf, was das Risiko der Entwicklung von Symptomen verringern kann, die andernfalls soziale Aktivitäten behindern würden, während sie ansteckend sind. Selbst wenn dieses größere Risiko durch Impfungen und Gesichtsmasken gemindert würde, könnten wir im Vergleich zu anderen Bevölkerungsgruppen mit geringerem Risiko immer noch geringere Schätzungen der Interventionswirksamkeit erwarten.

Während Test-Negativdesigns häufig den Vorteil großer Datensätze (hohe statistische Aussagekraft) bieten, kann eine konsequente Überwachung der Wirksamkeit des Impfstoffs mithilfe von Kontaktverfolgungsdaten ergänzende Echtzeitschätzungen liefern, die schnelle und wirksame politische Reaktionen ermöglichen können, insbesondere wenn Interventionen nicht mehr funktionieren. Im Gegensatz zu Test-Negativ-Studien zur Wirksamkeit von Impfstoffen, bei denen nur symptomatische Personen überwacht werden, die sich bei Gesundheitsdienstleistern melden, können Kontaktverfolgungsdaten auch asymptomatische Infektionen erkennen und sich stark ausbreitende Personen innerhalb einer Gemeinschaft identifizieren, was möglicherweise dazu beiträgt, neu auftretende Variantenbedrohungen zu erkennen. Die Verwendung von Kontaktverfolgungsdaten zur Untersuchung der Interventionswirksamkeit ist jedoch anfällig für drei Verzerrungsquellen, die beim häufiger verwendeten Test-Negativdesign nicht auftreten. Erstens [wie oben erwähnt kann das Fehlen von Informationen sehr informativ sein und die Schätzung der Wirksamkeit des Impfstoffs erheblich verzerren (Anhang A2)]. [Zweitens] müssen Störfaktoren der jeweiligen Interaktion zwischen Fall und Kontakt im Nachhinein erfasst und statistisch kontrolliert werden. Wenn man beispielsweise die Wirksamkeit von Impfstoffen untersucht, muss man das Tragen von Masken berücksichtigen, da die Entscheidung für eine Impfung und die Entscheidung für das Tragen einer Gesichtsmaske korrelieren können. Umgekehrt muss bei der Abschätzung der Maskierungswirksamkeit der Impfstatus berücksichtigt werden. [Schließlich] kann die Kontaktverfolgung wiederholte Messungen an einem einzelnen Indexfall mit mehreren Kontakten umfassen. Diese wiederholten Messungen können aufgrund nicht gemessener Eigenschaften des Indexfalls, wie z. B. einer höheren Viruslast oder Immunität gegenüber früheren Infektionen, korrelieren und müssen bei der Schätzung der Interventionseffekte berücksichtigt werden, um verzerrte Schätzungen zu vermeiden. In anderen auf Kontaktverfolgung basierenden Studien40 wurden fehlende Testergebnisse als testnegative Kontakte gekennzeichnet, was die Ergebnisse möglicherweise verzerren konnte (Anhang A2). Zwar gibt es keine statistische Abhilfe für das Fehlen nicht zufälliger Daten, doch die Analyse von Kontaktverfolgungsdaten sollte Folgendes umfassen: [Überwachung der Kontaktverfolgungsraten, um unzuverlässige Schätzungen zu identifizieren]. Wir stellen fest, dass die von Kontaktverfolgungsprogrammen in den USA gesammelten Daten sehr heterogen sind und von minimalen Fallinformationen41 bis hin zu detaillierten Angaben zu jedem Kontakt42 reichen. Darüber hinaus ist es oft schwierig, Kontaktverfolgungsdaten mit Impfprotokollen und anderen relevanten Gesundheitsdaten zu verknüpfen42,43. Erhöhte Investitionen in Systeme zur Überwachung von Infektionskrankheiten, die die Datenerfassung verbessern und Gesundheits- und öffentliche Gesundheitsdaten integrieren, würden eine genaue und zeitnahe Schätzung der Wirksamkeit von Interventionen und Verhaltensrisiken erleichtern.

Unsere Studie bietet einen allgemeinen statistischen Rahmen für die Verwendung häufig gesammelter Kontaktverfolgungsdaten, um den Nutzen von Interventionen zu verfolgen, während sich das Virus weiterentwickelt und sich das menschliche Verhalten ändert. Das vorgeschlagene Bayes'sche g-Berechnungsmodell kann mehrere Interventionen gleichzeitig bewerten, probabilistische Schätzungen ihrer Wirksamkeit bei der Reduzierung von Anfälligkeit und Infektiosität liefern und individuelle und expositionsbezogene Faktoren identifizieren, die das Übertragungsrisiko erhöhen. Während die weltweiten Bemühungen zur Kontaktverfolgung nachlassen, kann der Ansatz in Echtzeit angewendet werden, indem die Kontaktverfolgung in bestimmten Bevölkerungsgruppen erfasst wird, um ein entscheidendes Situationsbewusstsein zu schaffen und wirksame Schadensbegrenzungs- und Kommunikationsstrategien zu entwickeln.

Die Daten, die die Ergebnisse dieser Studie stützen, sind von der University of Texas in Austin erhältlich. Es gelten jedoch Einschränkungen hinsichtlich der Verfügbarkeit dieser Daten, die unter Lizenz für die aktuelle Studie verwendet wurden und daher nicht öffentlich verfügbar sind. Daten sind jedoch auf begründete Anfrage und mit Genehmigung der University of Texas in Austin bei den Autoren erhältlich.

Sheikh, A., Robertson, C. & Taylor, B. Wirksamkeit des Impfstoffs BNT162b2 und ChAdOx1 nCoV-19 gegen Todesfälle durch die Delta-Variante. N. engl. J. Med. 385(23), 2195–2197 (2021).

Artikel CAS PubMed Google Scholar

Braeye, T. et al. Wirksamkeit des Impfstoffs gegen Infektionen und Weiterübertragung von COVID-19: Analyse belgischer Kontaktverfolgungsdaten, Januar-Juni 2021. Vaccine 39(39), 5456–5460 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Oon, TN et al. Einfluss der Delta-Variante und der Impfung auf die SARS-CoV-2-Sekundärangriffsrate bei engen Haushaltskontakten. Lancet Reg. Gesundheit West Pac. 17, 100299 (2021).

Artikel Google Scholar

Yair, G. et al. Nachlassende Immunität nach dem BNT162b2-Impfstoff in Israel. N. engl. J. Med. 5, 789 (2021).

Google Scholar

Patrick, T. et al. Wirksamkeit des BNT162b2- und mRNA-1273-COVID-19-Impfstoffs gegen die Delta-Variante von SARS-CoV-2 in Katar. Nat. Med. 5, 968 (2021).

Google Scholar

Francis, CM et al. Bewertung simulierter Überwachungstests und Quarantäne bei einer SARS-CoV-2-geimpften Studentenpopulation auf einem Universitätscampus. Wissenschaft 5, 2147 (2021).

Google Scholar

John, TB & Jay, CB Wirksamkeit des Tragens von Masken zur Kontrolle der Verbreitung von SARS-CoV-2 in der Gemeinschaft. JAMA 325(10), 998–999 (2021).

Artikel Google Scholar

Yu, W. et al. Reduzierung der sekundären Übertragung von SARS-CoV-2 in Haushalten durch die Verwendung von Gesichtsmasken, Desinfektion und soziale Distanzierung: eine Kohortenstudie in Peking, China. Wissenschaft 5, 214 (2020).

Google Scholar

Jacob, R., Jamie, MH, Jennifer, AM, Amelia, LBS & Grant, DB Maskenwirksamkeit zur Verhinderung sekundärer Fälle von COVID-19, Johnson County, Jowa, USA. Emerg. Infizieren. Dis. 28(1), 69–75 (2022).

Google Scholar

Hendrix, MJ, Charles, W., Kendra, F. & Robin, T. Keine offensichtliche Übertragung von SARS-CoV-2 durch zwei Stylisten nach Exposition in einem Friseursalon mit allgemeiner Gesichtsbedeckungsrichtlinie – Springfield, Missouri. MMWR Morb. Sterblich. Wkly. Rep. 69(28), 930–932 (2020).

Artikel CAS PubMed Google Scholar

Melissa, MH et al. Eine systematische Überprüfung der Wirksamkeit und Wirksamkeit des COVID-19-Impfstoffs gegen SARS-CoV-2. Infizieren. Dis. 2, 456 (2021).

Google Scholar

Hannah, L. et al. Sind Universitätsgelände Superspreader? Eine datengesteuerte Modellierungsstudie. Berechnen. Methoden Biomech. Biomed. Ing. 24(10), 1136–1145 (2021).

Artikel Google Scholar

Katia, JB et al. Wirksamkeit von mRNA-1273 gegen Delta, Mu und andere neu auftretende Varianten von SARS-CoV-2: Fall-Kontroll-Studie mit negativem Test. BMJ 375, e068848 (2021).

Google Scholar

Jill, MF et al. Nachlassende 2-Dosen- und 3-Dosen-Wirksamkeit von mRNA-Impfstoffen gegen COVID-19 – Notaufnahme und Notfallversorgung sowie Krankenhausaufenthalte bei Erwachsenen in Zeiten der Vorherrschaft der Delta- und Omicron-Variante – VISION-Netzwerk. Wissenschaft 2, 968 (2022).

Google Scholar

Mark, GT et al. Wirksamkeit einer dritten Dosis mRNA-Impfstoffe gegen COVID-19-assoziierte Begegnungen in der Notaufnahme und in der Notfallversorgung sowie Krankenhausaufenthalte bei Erwachsenen in Zeiten der Vorherrschaft der Delta- und Omicron-Variante – VISION-Netzwerk. Wissenschaft. Rep. 3, 968 (2022).

Google Scholar

Srinivas, N. et al. Wirksamkeit von Pfizer-BioNTech- und Moderna-Impfstoffen bei der Verhinderung einer SARS-CoV-2-Infektion bei Pflegeheimbewohnern vor und während der weiten Verbreitung des nationalen Gesundheitssicherheitsnetzwerks für die Variante SARS-CoV-2 b.1.617.2 (Delta). MMWR Morb. Sterblich. Wkly. Rep. 70(34), 1163–1166 (2021).

Artikel Google Scholar

Collie, S., Champion, J., Moultrie, H., Bekker, L.-G. & Gray, G. Wirksamkeit des BNT162b2-Impfstoffs gegen die Omicron-Variante in Südafrika. N. engl. J. Med. 386(5), 494–496 (2022).

Artikel PubMed Google Scholar

Sarah, AB et al. Wirksamkeit von COVID-19-Impfstoffen gegen symptomatische Omicron- oder Delta-Infektionen und schwerwiegende Folgen. Wissenschaft. Rep. 21, 8633 (2022).

Google Scholar

Eva, C., Elizabeth, YC & Amirian, ES Warum die Bemühungen zur Kontaktverfolgung es nicht geschafft haben, die Übertragung der Coronavirus-Krankheit 2019 (COVID-19) in weiten Teilen der Vereinigten Staaten einzudämmen. Klin. Infizieren. Dis. 72(9), e415–e419 (2021).

Artikel Google Scholar

Ivo, MF, Michael, H., Jill, MF & David, KS Das Falltest-negative Design für Studien zur Wirksamkeit von Grippeimpfstoffen. Vaccine 31(30), 3104–3109 (2013).

Artikel Google Scholar

Joseph, AL, Christine, T., Benjamin, JC und Marc, L. Messung der direkten Auswirkungen des Impfstoffs im Test-Negativ-Design. Bin. J. Epidemiol. 187(12), 2686–2697 (2018).

Artikel Google Scholar

Rebecca, K., Stephanie, JS, Jennifer, RV & Marc, L. Identifizierung und Linderung von Verzerrungen aufgrund der unterschiedlichen Erschöpfung anfälliger Personen in Post-Marketing-Bewertungen von COVID-19-Impfstoffen. Bin. J. Epidemiol. 5, 2147 (2022).

Google Scholar

Shepherd, RS et al. Wirksamkeit des BNT162b2-mRNA-COVID-19-Impfstoffs gegen die SARS-CoV-2-Variante beta (b.1.351) bei Personen, die durch Kontaktverfolgung in Israel identifiziert wurden: Eine prospektive Kohortenstudie. EClinicalMedicine 42, 101190 (2021).

Artikel Google Scholar

Benjamin, JC & Sheena, GS Bedenken hinsichtlich der Terminologie in Studien zur Wirksamkeit von Impfstoffen. Wissenschaft 5, 641 (2018).

Google Scholar

Anders, H., Mats, JS & Etsuji, S. Zur Kollabierbarkeit von Wirkungsmaßen im kontrafaktischen Kausalrahmen. Emerg. Themen Epidemiol. 16, 1 (2019).

Artikel Google Scholar

Jonathan, MS, Sherri, R. & Kathleen, MM Implementierung der g-Berechnung an einem simulierten Datensatz: Demonstration einer kausalen Inferenztechnik. Bin. J. Epidemiol. 173(7), 731–738 (2011).

Artikel Google Scholar

Alexander, PK, Eric, JD, Stephanie, ME, Jessie, PB & Jessie, KE Ein bayesianischer Ansatz zur g-Formel. Science 6, 7489 (2018).

Google Scholar

Muluneh, A. et al. Serienintervall und Inkubationszeit von Covid-19: Eine systematische Überprüfung und Metaanalyse. BMC-Infektion. Dis. 21(1), 1–9 (2021).

Google Scholar

Eli, SR et al. Wirksamkeit des Covid-19-Impfstoffs im Bundesstaat New York. N. engl. J. Med. 386(2), 116–127 (2022).

Artikel Google Scholar

Sara, YT et al. Wirksamkeit des mRNA-Impfstoffs BNT162b2 COVID-19 bis zu 6 Monate in einem großen integrierten Gesundheitssystem in den USA: Eine retrospektive Kohortenstudie. Wissenschaft 42, 3896 (2021).

Google Scholar

Frederik, PL et al. Übertragung der SARS-CoV-2-Omicron-VOC-Subvarianten BA.1 und BA.2: Hinweise aus dänischen Haushalten. Wissenschaft. Rep. 21, 796 (2022).

Google Scholar

David, WE et al. Auswirkung der Covid-19-Impfung auf die Übertragung von Alpha- und Delta-Varianten. N. engl. J. Med. 386(8), 744–756 (2022).

Artikel Google Scholar

de Brechje, G., de Brechje, G., Stijn, A., Jantien, AB, Susan, JMH, van den Susan, H., de Hester, EM, Mirjam, JK und RIVM COVID-19-Überwachungs- und Epidemiologieteam . Wirksamkeit des Impfstoffs gegen die Übertragung von SARS-CoV-2 auf Haushaltskontakte während der Dominanz der Delta-Variante (b.1.617.2), August–September 2021, Niederlande.

Harry, P. & Robin, D. Ein Überblick über Lernverluste während COVID-19 (Springer, Berlin, 2021).

Google Scholar

Per, E., Arun, F. & Mark, DV Lernverlust aufgrund von Schulschließungen während der COVID-19-Pandemie. Wissenschaft. Rep. 5, 214 (2021).

Google Scholar

Daniel, CP, Sarah, ES-J., Gosia, N., Uzo, C., Jesse, RG, Robert, JH, Jeffrey, AJ, Natalie, JT, Jarad, S., Zachary, W., Bettina, B ., Michael, DB, Adam, M., Monita, RP, Eric, D., Bruce, LG, Rebekah, T., Rene, G., Shannon, R., Brett, W., Ashley, K., Peyton , S., Christopher, L. & James, G. CDC COVID-19 Surge Laboratory Group und CDC COVID-19 Surge Laboratory Group. SARS-CoV-2-Infektionen und serologische Reaktionen aus einer Stichprobe von Angehörigen der US-Marine – USS Theodore Roosevelt (2020).

Pawinee, D.-ngern, Rapeepong, S., Apinya, P., Chawisar, J., Duangrat, R., Nawaporn, D., Napatchakorn, E., Nichakul, P., Nuengruethai, S., Oiythip, Y ., & Others (2012) Fall-Kontroll-Studie zum Einsatz persönlicher Schutzmaßnahmen und zum Risiko einer SARS-Coronavirus-2-Infektion, Thailand.

...Jason, A. et al. Auswirkungen der Maskierung in der Bevölkerung auf COVID-19: Eine Cluster-randomisierte Studie in Bangladesch. Science 375(6577), eabi9069 (2022).

Artikel Google Scholar

Alison, KC, Lindsay, TH, Chloe, RN, Neshat, Y. & Miranda, PD Möglichkeiten zur Reduzierung des COVID-19-bedingten Risikoverhaltens junger erwachsener College-Studenten: Erkenntnisse aus einer nationalen Längsschnittkohorte. J. Adolesc. Gesundheit 69(3), 383–389 (2021).

Artikel Google Scholar

Frederik, PL, Laust, HM, Matthew, JD, Lasse, EC, Camilla, HM, Robert, LS, Katja, S., Anders, F., Maria, ML, Morten, R., Marc, S., Claus, N., Raphael, NS, Arieh, SC, Frederik, TM, Maria, O., Kåre, M., Tyra, GK, & Carsten, TK SARS-CoV-2 Omicron VOC-Übertragung in dänischen Haushalten (2021).

Paige, K. et al. Umsetzung und Prozess einer COVID-19-Kontaktverfolgungsinitiative: Nutzung von Studierenden im Gesundheitswesen zur Erweiterung der Belegschaft während einer Pandemie. Bin. J. Infizieren. Kontrolle 48(12), 1451–1456 (2020).

Artikel Google Scholar

Seung-Ji, K., Sooyeon, K., Kyung-Hwa, P., Sook, IJ, Min-Ho, S., Sun-Seog, K., Hyang, P., Seong-Woo, C., Eungyu , L., & So, YR Erfolgreiche Kontrolle des COVID-19-Ausbruchs durch Rückverfolgung, Tests und Isolierung: Lehren aus den Bemühungen zur Ausbruchsbekämpfung in einer südkoreanischen Metropole.

Anjum, K., Justin, FR, Steven, BA, & William, MT Einrichtung einer Datenaustauschumgebung für ein akademisches Gesundheitszentrum des 21. Jahrhunderts (2020).

Referenzen herunterladen

Diese Forschung wurde durch eine Spende von Love, Tito's (dem philanthropischen Zweig von Titos Homemade Vodka, Austin, TX, USA) an die University of Texas unterstützt, um die Modellierung von Strategien zur Eindämmung von COVID-19 zu unterstützen. Zusätzliche Mittel wurden vom Council of State and Territorial Epidemiologists unter der Fördernummer NU38OT000297 bereitgestellt.

Los Alamos National Laboratory, Los Alamos, USA

Graham C. Gibson

Abteilung für Integrative Biologie, University of Texas at Austin, Austin, USA

Spencer Woody, Spencer J. Fox und Lauren Ancel Meyers

Abteilung für Bevölkerungsgesundheit, Dell Medical School, University of Texas at Austin, Austin, USA

Emily James und Darlene Bhavnani

Abteilung für Epidemiologie und Krankheitsüberwachung, Austin Public Health, Austin, USA

Denken Sie an Weldon

Sie können diesen Autor auch in PubMed Google Scholar suchen

GG, DB und LM haben die Analyse konzipiert und gestaltet. EJ, MW und DB haben die Daten gesammelt. SF und SW steuerten Daten oder Analysetools bei. GG und DB führten die Analyse durch.

Korrespondenz mit Graham C. Gibson.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Gibson, GC, Woody, S., James, E. et al. Echtzeitüberwachung der Wirksamkeit von COVID-19-Interventionen durch Kontaktverfolgungsdaten. Sci Rep 13, 9371 (2023). https://doi.org/10.1038/s41598-023-35892-0

Zitat herunterladen

Eingegangen: 02. September 2022

Angenommen: 25. Mai 2023

Veröffentlicht: 09. Juni 2023

DOI: https://doi.org/10.1038/s41598-023-35892-0

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.

Nachricht