Сбор данных
Исследование проводилось с апреля по июнь 2020 года в 15 отделениях университетских больничных центров Парижа, Лиона и Бордо, выбранных с учетом разнообразия их клинической деятельности (подробности в дополнительной таблице S1). Каждая палата изучалась примерно 36 часов, начиная с дневной смены медсестер утром первого дня и заканчивая в конце дневной смены второго дня. Весь персонал, находившийся первоначально в палате, был оснащен датчиками, как и весь последующий персонал. Прибытие в отделение. В конце периода исследования или когда участник уходил, датчик возвращали. Регистрировались возраст и род занятий человека (пациент, посетитель или медицинский работник), а также период времени, в течение которого находился датчик. Носимые датчики (показаны на дополнительном рисунке S1) передают сигнал каждые 10 секунд (пакет «Привет») и записывают идентификационные данные других передающих датчиков в радиусе около 1,5 м. Предполагается, что прием одного пакета приветствия, записанного обоими датчиками или только одним датчиком, соответствует 10 секундам связи между двумя датчиками. Участники держали датчик либо в кармане, либо на ожерелье на шее. Пациентов, помещенных в свои палаты (пациенты с COVID-19, пациенты отделения интенсивной терапии или новорожденные), подвешивали на фиксированной части кровати.
Анализ коммуникаций
Первым шагом в анализе данных был расчет сводной статистики контактов для каждого человека, а затем на уровне отделения среди пользователей больницы с разными статусами (пациент, посетитель или поставщик медицинских услуг). Матрицы контактов суммируют количество контактов между каждым отдельным экземпляром (пациентом, посетителем, медицинским работником) для каждого отделения. Плотность контактов, частота контактов в час и средняя продолжительность каждого контакта были рассчитаны для людей с этим заболеванием. й С людьми стоящими с.
Интенсивность контакта рассчитывалась для каждого человека путем деления общего совокупного зарегистрированного количества минут контакта на количество часов, которые человек провел с датчиком. Интенсивность контакта \({k}_{xy}\) Это общее совокупное время, проведенное человеком вне состояния. с Проведено в контакте с лицами ситуации й в час на крыле и рассчитывается по формуле. (1) Где \({n}_{x}\) Это число особей ситуации с на крыле, я Он индивидуальность ситуации с, \({t}_{i}\) Это количество часов, которое этот человек провел с датчиком, Да Он индивидуальность ситуации й, \({C}_{iy}\) Это количество уникальных личностей со статусом й С ним связались яИ \({D}_{EJ}\) Это общая продолжительность их контакта в течение периода исследования.
$${k}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{1}{{t}_{ i}}\sum_{j}^{{C}_{iy}}{d}_{ij} $$
(1)
Аналогичным образом, индивидуальный коэффициент контактов представлял собой количество уникальных людей, с которыми человек контактировал в час при ношении датчика. Средняя скорость соединения в час \({C}_{XY}\) Для лиц состоятельных с С людьми стоящими й, рассчитывается по уравнению (2) Количество уникальных контактов корпуса й Для человека я Разделены на время работы с датчиком \({t}_{i}\)в среднем по всем индивидуумам я Из ситуации с.
$${c}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{{C}_{iy}} {{t}_{i}}$$
(2)
Средняя продолжительность индивидуального контакта представляла собой общее количество минут контакта, разделенное на количество людей, с которыми связались. Средняя продолжительность контакта для этого статуса с У него есть это с ситуацией да, \({d}_{xy}\), рассчитывается по формуле (3) Взяв сначала среднюю продолжительность всех коммуникаций отдельного человека я Из ситуации с Он имеет это с отдельными людьми Да Из ситуации йразделенное на всех лиц, с которыми контактировали в этом случае, \({C}_{iy}\). Затем это значение усредняется для всех людей. я Из ситуации с.
$${d}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{1}{{C}_{ iy}}\sum_{j}^ {{C}_{iy}}{d}_{ij} $$
(3)
Каждый из этих показателей (частота контактов, плотность контактов и продолжительность контактов) затем был усреднен для каждого отделения и между каждой группой случаев и представлен в матрицах контактов.
Эпидемический риск
Чтобы изучить, как эти значения на уровне отделения переходят в эпидемический риск, мы написали модель передачи, позволяющую прогнозировать количество вторичных инфекций, которые могли бы возникать ежедневно на основе гипотетического индексного случая SARS-CoV-2, если бы все контакты были восприимчивы. Для каждого отделения мы рассчитали общее количество ожидаемых контактов в день исходя из среднечасовой частоты контактов, \(\верхняя строка {c }\) (уравнение 4) в нем н общее количество присутствующих, \({C}_{i}\) Это общее количество контактов одного человека. я.
$$\overline{c}=\frac{1}{n}\cdot \sum_{i}^{n}\frac {{C}_{i}} {{t}_{i}}$$
(4)
Мы также подсчитали среднее время пребывания в палате за каждый 24-часовой период: \(\верхняя строка {H }\) (Уравнение 5), используя время удержания датчика в качестве замены, и где Т Это общая продолжительность обучения в данном отделении.
$$\overline{H}=\frac{24}{n\cdot T}\sum_{i}^{n}{t}_{i}$$
(5)
Мы предположили, что вероятность заражения при одном контакте увеличивается с продолжительностью контакта и уменьшается при более длительных контактах.22. Суммарная вероятность заражения за один контакт, \(\overline{{p}_{\text{inf}}}\) (Уравнение 6), рассчитанное на основе средней вероятности заражения на один контакт на человека. я Во всех их коммуникациях ДаВероятность заражения между двумя людьми (уравнение 7) определяется продолжительностью контакта. \({D}_{EJ}\) И параметр формы а, для которого более высокие значения связаны с большим увеличением вероятности заражения с увеличением продолжительности контакта (дополнительный рисунок S5). Для базового анализа значение а= 0,1, что соответствует 50% вероятности заражения после 11 часов контакта.
$$\overline{{p}_{\text{inf}}}=\frac{1}{n}\cdot \sum_{i}^{n}\frac{1}{{C}_{i} }\cdot \sum_{j}^ {{C}_{i}} {{p}_{\text{inf}}}_{ij} $$
(6)
$$ {{p}_{\text {inf}}}_{ij} = \frac{1-{e}^{-{d}_{ij}\cdot a}}{1+{e}^ {-{d}_{ij}\cdot a}}$$
(7)
Ожидаемое количество вторичных инфекций в день М затем рассчитывается как произведение этих трех величин (уравнение 8):
$$M=\overline{c}\cdot \overline{H}\cdot \overline{{p}_{\text{inf}}}$$
(8)
С использованием того же подхода были рассчитаны конкретные прогнозы количества вторичных инфекций в день среди различных состояний пользователей больниц (пациентов, посетителей и медицинских работников). Количество вторичных инфекций по индикатору статуса инфекции с К людям со статусом й Ожидается и это \({M}_{xy}\) (уравнение 9).
$$ {M}_{xy} = {c}_{xy}\cdot {H}_{x}\cdot {p}_{{\text {inf}}_{xy}} $$
(9)
где \({C}_{XY}\) Это почасовая скорость связи между с И й (уравнение 2), \({y}_{{\text{inf}}_{xy}}\) Это возможность заражения при контактах между с И й (Уравнение (10) с использованием \({{p}_{\text{inf}}}_{ij}\) Из уравнения. (7)), и \({h}_{x}\) Это среднее время, проведенное лицами со статусом в палате. с (уравнение 11).
$${p}_{{\text {inf}}_{xy}} = \frac{1}{{n}_{x}}\cdot \sum_{i}^{{n}_{x} $ $
(10)
$${H}_{x}=\frac{24}{{n}_{x}\cdot T}\sum_{i}^{{n}_{x}}{t}_{i}$ $
(11)
Наконец, общее количество вторичных инфекций от индексного случая с Любое состояние личности рассчитывается путем суммирования \({M}_{xy}\) Общая ситуация й(уравнение 12).
$${M}_{x}=\sum_{y}{M}_{xy}$$
(12)
Моделирование вмешательств
Мы использовали эту модель для прогнозирования воздействия мер контроля, нацеленных на наиболее тесно связанных между собой людей, путем повторения расчета эпидемического риска. М Однако наиболее уязвимые люди не восприимчивы и не способны передавать инфекцию. Мы выбрали 5% населения, у которых были либо уникальные контакты за весь период исследования, либо наибольшее совокупное количество часов контакта. Вероятность заражения от этих лиц или к ним была установлена равной нулю. Мы также оценили выборку лиц только с одним заболеванием, например, часто контактирующих пациентов, гарантируя сопоставимость, что целевое число по-прежнему составляет 5% от общей численности населения. Снижение ежедневного риска рассчитывалось как доля базового риска, на который никто не был нацелен (уравнение (13)).
$$\text{относительное сокращение}=\frac {{M}_{\text {базовая линия}} — {M}_{\text {targeted}}}} {{M}_{\text {базовая линия} }} $ $
(13)
Мы проверили чувствительность анализа моделирования к доле целевой совокупности (выше диапазона 0–20%) и параметру формы. аЭто приводит к увеличению вероятности заражения при длительных контактах (выше диапазона 0,05–0,5).
Все анализы проводились с использованием п. 4.2.023с сетевым анализом, выполненным с использованием iграфИ графика, созданная с использованием ggplot2. Код, используемый для каждого анализа и визуализации, доступен по адресу https://github.com/georgeshirreff/nodscov2_risksim.
Этическое одобрение и согласие на участие
Данное исследование было одобрено Комиссией по защите личности (CPP) Иль-де-Франс VI 14.04.2020 и Национальной комиссией по информатике и свободам (CNIL) 16.04.2020. Согласно CPP и CNIL, подписанное согласие пациентов, медицинского и административного персонала и посетителей не требовалось, но участники могли отказаться от участия. Когда пациенты были несовершеннолетними, не могли отказаться или находились под опекой, опрашивались соответственно родители, члены семьи или опекуны. Исследование проводилось в соответствии с Хельсинкской декларацией.
«Главный евангелист пива. Первопроходец в области кофе на протяжении всей жизни. Сертифицированный защитник Твиттера. Интернетоголик. Практикующий путешественник».
More Stories
Самый мощный космический телескоп в мире сообщает нам погоду на планете, находящейся на расстоянии световых лет
Метеорный поток Эта-Водолей 2024 года: как увидеть потрясающие метеоры, «задевающие Землю» сегодня вечером
Озеро Пангонг зимой