Блог

Aug 22, 2023

Геномная эпидемиология предлагает оценки серийных интервалов для COVID с высоким разрешением.

Nature Communications, том 14, номер статьи: 4830 (2023) Цитировать эту статью 649 Доступов 18 Подробности альтметрических показателей Серийные интервалы – время между появлением симптомов у инфицированного и инфицированного –

Nature Communications, том 14, номер статьи: 4830 (2023 г.) Цитировать эту статью

649 Доступов

18 Альтметрика

Подробности о метриках

Серийные интервалы – время между появлением симптомов у инфицированного и инфицированного – являются фундаментальной величиной в борьбе с инфекционными заболеваниями. Однако их оценка требует знаний о воздействии на отдельных лиц, обычно получаемых посредством ресурсоемких усилий по отслеживанию контактов. Мы вводим альтернативную структуру, используя последовательности вирусов, чтобы сообщать, кто кого заразил, и тем самым оценивать серийные интервалы. Мы применяем нашу технику к последовательностям SARS-CoV-2 из кластеров случаев первых двух волн COVID-19 в Виктории, Австралия. Мы обнаружили, что наш подход предлагает оценки последовательных интервалов с высоким разрешением, специфичные для кластера, которые сопоставимы с оценками, полученными на основе контактных данных, несмотря на то, что не требуется знания того, кто кого заразил, и мы полагаемся на неполные выборочные данные. По сравнению с опубликованным последовательным интервалом, последовательные интервалы, специфичные для кластера, могут варьировать оценки эффективного числа воспроизводства в 2–3 раза. Мы обнаружили, что оценки серийных интервалов в таких местах, как школы и мясоперерабатывающие/упаковочные предприятия, короче, чем в медицинских учреждениях.

Данные полногеномной последовательности (WGS) быстро становятся фундаментальным инструментом в лабораториях общественного здравоохранения (PHL) по всему миру1,2,3. Данные WGS приносят огромную пользу при расследовании вспышек: выявляют случаи передачи, которые не были обнаружены в ходе эпидемиологического исследования4, и выявляют влияние мер пограничного контроля5, особенно в тех случаях, когда данные передаются за пределы юрисдикций3. Однако информационное содержание самих по себе геномных данных может быть ограничено, как это произошло во время пандемии SARS-CoV-26,7. Часто геномные данные объединяются с эпидемиологическими данными в произвольной форме путем нанесения эпидемиологических данных на верхушки филогенетических деревьев (полученных на основе геномных данных). Это не соответствует желаемым стандартам воспроизводимости и повторяемости PHL. С другой стороны, когда данные геномного надзора систематически связаны с эпидемиологической и клинической информацией, геномные эпидемиологические исследования могут лучше информировать действия общественного здравоохранения посредством контекстуального понимания демографии населения, иммунизации, клинических последствий, моделей пространственной передачи и многого другого8,9.

В этой работе мы разрабатываем основу для интеграции геномных данных в форме полногеномных последовательностей вируса в эпидемиологические расследования, особенно когда подробные эпидемиологические данные по отслеживанию контактов недоступны. Данные о последовательностях патогенов, собранные у инфицированных людей, не позволяют напрямую определить, кто кого заразил, но, тем не менее, могут дать представление о передаче с высоким разрешением. Мы фокусируемся на кластерной оценке серийного интервала, ключевого показателя, описывающего распространение инфекционного заболевания, который определяется как промежуток времени между появлением симптомов в первичном и вторичном случае. Это информативно как для скорости передачи, так и для того, когда в процессе заражения может произойти передача.

Серийные интервалы обычно выводятся на основе небольших групп лиц с известными контактами и временем появления симптомов10,11, но сбор таких данных может быть ресурсоемким, а соображения конфиденциальности и отчетности ограничивают широкую отчетность и использование. В результате оценки серийного интервала, применяемые на практике (лежащие в основе оценки других эпидемиологических величин, таких как зависящий от времени коэффициент воспроизводства Rt), часто берутся из небольших исследований, не обязательно проведенных в том же месте или в то же время, что и рассматриваемая популяция. Были разработаны методы, которые не требуют знания того, кто кого заразил, но они предполагают, что выборка проводится полностью из населения12,13. При наличии данных по отслеживанию контактов распространенными подходами являются рассмотрение распределения наблюдаемых серийных интервалов между парами, отслеженными контактами, которые, как предполагается, представляют собой прямую передачу14, или мониторинг населения на наличие индексных случаев, инфицированных представляющим интерес патогеном, а затем последующее наблюдение. с близкими контактами, например, с членами их семьи, для выявления вторичных случаев15. Такие подходы были расширены в ссылке. 10, чтобы учесть промежуточные случаи без выборки, используя интервалы индекса от случая к случаю (ICC), определяемые как промежутки времени между появлением симптомов всех вторичных случаев и индексным случаем в небольшой популяции, такой как домашнее хозяйство, школа-интернат или закрытая группа. рабочее место. Допуская до двух случаев без выборки между индексным случаем и вторичным случаем, Vink et al. принять во внимание потенциальное занижение отчетности. Однако ограничение на количество промежуточных результатов без выборки и необходимость идентификации индексного случая означают, что этот подход наиболее подходит для небольших и закрытых популяций.