Сбор данных
Исследование проводилось в апреле-июне 2020 года в 15 отделениях университетских больничных центров Парижа, Лиона и Бордо, выбранных из-за разнообразия 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. Всем пациентам, первоначально находившимся в палате, были предложены датчики, как и всем последующие поступления в палату. По окончании периода исследования или при отъезде участника датчик был возвращен. Регистрировались возраст и функции (пациент, посетитель или тип медицинского работника) человека, а также период времени, в течение которого датчик носился с собой. Носимые датчики (показаны на дополнительном рисунке S1) передавали сигнал каждые 10 с (пакет «Привет») и записывали идентификационные данные других передающих датчиков в радиусе около 1,5 м. Предполагалось, что прием одного пакета Hello, записанного обоими датчиками или только одним, соответствует 10 с контакта между двумя датчиками. Участники держали датчик либо в кармане, либо на подвеске на шее. Пациентов, помещенных в палату (пациенты с COVID-19, пациенты интенсивной терапии или новорожденные), подвешивали на фиксированной части кровати.
Контактный анализ
Первым шагом в анализе данных был расчет сводной статистики контактов для каждого человека, а затем на уровне отделения между больничными пользователями различного статуса (пациент, посетитель или медработник). Матрицы контактов суммируют количество контактов между каждым статусом человека (пациент, посетитель и медработник) для каждого отделения. Интенсивность контакта и частота контактов в час, а также средняя продолжительность каждого контакта были рассчитаны для лиц со статусом y с лицами со статусом x.
Интенсивность контакта рассчитывалась для каждого человека как общее зарегистрированное совокупное количество минут контакта, деленное на количество часов, которые человек провел с датчиком. Интенсивность контакта ({k}_{xy}) представляет собой общее совокупное время, которое человек со статусом x провел в контакте с лицами со статусом y в час в палате, и рассчитывается по уравнению (1), где ({n}_{x}) — количество лиц со статусом x в палате, i — индивидуум со статусом x, ({t}_{i}) — количество часов, проведенных этим индивидуумом несущий датчик, j — индивидуум со статусом y, ({C}_{iy}) — количество уникальных индивидуумов со статусом y, с которыми связался i, а ({d}_{ij}) — это общая продолжительность их контактов за период исследования.
$${k}_{xy}=frac{1}{{n}_{x}}sum_{i}^{{n}_{x}}frac{1}{{t}_{ i}}sum_{j}^{{C}_{iy}}{d}_{ij}$$
(1)
Аналогичным образом, показатель индивидуальных контактов представлял собой количество уникальных людей, с которыми контактировал этот человек за час при ношении датчика. Средняя частота контактов в час ({c}_{xy}) для лиц со статусом x с лицами со статусом y рассчитывается по уравнению (2), как число уникальных контактов со статусом y для индивидуума i, разделенное по времени, проведенному с датчиком ({t}_{i}), и усреднено по всем особям i со статусом x.
$${c}_{xy}=frac{1}{{n}_{x}}sum_{i}^{{n}_{x}}frac{{C}_{iy}} {{t}_{i}}$$
(2)
Средняя продолжительность индивидуального контакта представляла собой общее количество минут контакта, разделенное на количество контактировавших лиц. Средняя продолжительность контакта, который статус x имеет со статусом y, ({d}_{xy}), рассчитывается, как в уравнении (3), сначала беря среднюю продолжительность всех контактов отдельного i статуса x имеет с индивидуумами j со статусом y, разделенное на всех контактировавших с индивидуумами этого статуса, ({C}_{iy}). Затем вычисляется среднее значение этого значения для всех индивидуумов i со статусом x.
$${d}_{xy}=frac{1}{{n}_{x}}sum_{i}^{{n}_{x}}frac{1}{{C}_{ iy}}sum_{j}^{{C}_{iy}}{d}_{ij}$$
(3)
Затем среднее значение каждого из этих показателей (частота контактов, интенсивность контактов и продолжительность контактов) было рассчитано для каждого отделения и между каждой комбинацией статусов и представлено в матрицах контактов.
Эпидемический риск
Чтобы изучить, как эти значения на уровне отделения влияют на эпидемический риск, мы написали модель передачи, позволяющую прогнозировать количество вторичных инфекций, которые могли бы произойти в день от гипотетического случая индекса SARS-CoV-2, если бы все контакты были восприимчивы. Для каждого отделения мы рассчитали общее количество ожидаемых контактов в день на основе средней частоты контактов в час, (overline{c }) (уравнение 4), где n — общее число присутствующих, ({C }_{i}) — общее количество контактов для отдельного i.
$$overline{c }=frac{1}{n}cdot sum_{i}^{n}frac{{C}_{i}}{{t}_{i}}$$
(4)
Мы также рассчитали среднее время, проведенное в палате за 24-часовой период, (overline{H }) (уравнение 5), используя время ношения датчика в качестве прокси, и где T — общая продолжительность исследование в этом отделении.
$$overline{H }=frac{24}{ncdot T}sum_{i}^{n}{t}_{i}$$
(5)
Мы предположили, что вероятность заражения при каждом контакте увеличивается с увеличением продолжительности контакта и уменьшается при более длительных контактах22. Общая вероятность заражения на один контакт, (overline{{p }_{text{inf}}}) (уравнение 6), рассчитывалась на основе средней вероятности заражения на один контакт для каждого индивидуума i по всем их контактов j, где вероятность заражения между двумя людьми (уравнение В 7) определяется длительностью контакта ({d}_{ij}) и параметром формы a, для которого более высокие значения связаны с более резкое увеличение вероятности заражения по мере увеличения продолжительности контакта (дополнительный рисунок S5). Для базового анализа используется значение a = 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)
Затем ожидаемое количество вторичных инфекций в день, M, рассчитывалось как произведение этих трех величин (уравнение 8):
$$M=overline{c }cdot overline{H }cdot overline{{p }_{text{inf}}}$$
(8)
Конкретные прогнозы количества вторичных инфекций в день для разных статусов пользователей больницы (пациентов, посетителей и медработников) были рассчитаны с использованием того же подхода. Число вторичных инфекций от индексной инфекции статуса x к лицам со статусом y прогнозируется как ({M}_{xy}) (уравнение 9).
$${M}_{xy}={c}_{xy}cdot {H}_{x}cdot {p}_{{text{inf}}_{xy}}$$
(9)
где ({c}_{xy}) — частота контактов в час между x и y (уравнение 2), ({p}_{{text{inf}}_{xy}}) — вероятность заражения при контакте между x и y (уравнение (10), используя ({{p}_{text{inf}}}_{ij}) из уравнения (7)), и ({H}_{x}) — среднее время, проведенное в палате лицами со статусом x (уравнение 11).
$${p}_{{text{inf}}_{xy}}=frac{1}{{n}_{x}}cdot sum_{i}^{{n}_{x} }frac{1}{{C}_{iy}}cdot sum_{j}^{{C}_{iy}}{{p}_{text{inf}}}_{ij}$ $
(10)
$${H}_{x}=frac{24}{{n}_{x}cdot T}sum_{i}^{{n}_{x}}{t}_{i}$ $
(11)
Наконец, общее количество вторичных инфекций от индексного случая статуса x до любого статуса человека рассчитывается путем суммирования ({M}_{xy}) по всем статусам y (уравнение 12).
$${M}_{x}=sum_{y}{M}_{xy}$$
(12)
Моделирование вмешательств
Мы использовали эту модель для прогнозирования эффекта мер контроля, нацеленных на наиболее связанных между собой людей, повторив этот расчет эпидемического риска M, но при этом лица с самым высоким риском не были ни восприимчивы, ни способны к передаче. Мы выбрали 5% населения либо с наиболее уникальными контактами за весь период исследования, либо с самым высоким совокупным количеством часов контактов. Вероятность заражения от этих лиц или к ним была установлена равной нулю. Мы также оценили нацеленность только на лиц с одним статусом, например, на пациентов с высокими связями, гарантируя, что для сопоставимости целевое число по-прежнему составляет 5% от общей численности населения. Снижение ежедневного риска рассчитывалось как доля базового риска, при котором никто не подвергался воздействию (уравнение (13)).
$$text{Относительное сокращение}=frac{{M}_{text{baseline}}-{M}_{text{targeted}}}{{M}_{text{baseline}}}$ $
(13)
Мы проверили чувствительность анализа моделирования к доле целевой популяции (в диапазоне 0–20%) и параметру формы a, который определяет увеличение вероятности заражения при длительных контактах (в диапазоне 0,05–0,5). ).
Все анализы проводились с использованием R 4.2.023, сетевой анализ проводился с помощью igraph, а графики создавались с помощью ggplot2. Код, используемый для каждого анализа и визуализации, доступен по адресу https://github.com/georgeshirreff/nodscov2_risksim.
Одобрение этики и согласие на участие
Это исследование было одобрено Комитетом по защите людей (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.
2024-02-14 10:39:45
1707909072
#Оценка #потенциала #респираторной #эпидемии #во #французских #больницах #путем #сбора #данных #тесных #контактах #апрель #июнь