Zbieranie danych
Badanie przeprowadzono od kwietnia do czerwca 2020 r. na 15 oddziałach uniwersyteckich ośrodków szpitalnych w Paryżu, Lyonie i Bordeaux, wybranych ze względu na różnorodność ich działalności klinicznej (szczegóły w tabeli uzupełniającej S1). Każdy oddział był badany przez około 36 godzin, zaczynając od dziennej zmiany pielęgniarek rano pierwszego dnia i kończąc na końcu dziennej zmiany drugiego dnia. Cały personel początkowo przebywający na oddziale został wyposażony w czujniki, podobnie jak cały kolejny personel. Przyjazdy na oddział. Pod koniec okresu badania lub po wyjściu uczestnika czujnik został zwrócony. Rejestrowano wiek i zawód danej osoby (pacjent, gość lub pracownik służby zdrowia), a także czas trzymania czujnika. Czujniki do noszenia (pokazane na rysunku dodatkowym S1) przesyłają sygnał co 10 sekund (pakiet „Hello”) i rejestrują tożsamość innych czujników nadających w zasięgu około 1,5 m. Zakłada się, że odebranie pojedynczego pakietu hello, niezależnie od tego, czy został zarejestrowany przez oba czujniki, czy tylko przez jeden, odpowiada 10 sekundom komunikacji pomiędzy obydwoma czujnikami. Uczestnicy trzymali czujnik w kieszeni lub na naszyjniku na szyi. W przypadku pacjentów przydzielonych do pokoi (pacjenci z COVID-19, pacjenci OIOM-u lub noworodki) byli oni zawieszani na stałej części łóżka.
Analiza komunikacji
Pierwszym krokiem w analizie danych było obliczenie zbiorczych statystyk kontaktów dla każdej osoby, a następnie na poziomie oddziału wśród użytkowników szpitala o różnych statusach (pacjent, gość lub świadczeniodawca). Matryce kontaktów podsumowują ilość kontaktów pomiędzy każdą indywidualną instancją (pacjentem, gościem, pracownikiem służby zdrowia) na każdym oddziale. Dla osób cierpiących na tę chorobę obliczono gęstość kontaktów, szybkość kontaktów na godzinę i średni czas trwania każdego kontaktu y Z ludźmi stojącymi S.
Intensywność kontaktu obliczono dla każdej osoby, dzieląc całkowitą zarejestrowaną liczbę minut kontaktu przez liczbę godzin, które osoba spędziła trzymając czujnik. Intensywność kontaktu \({k}_{xy}\) Jest to całkowity skumulowany czas poza stanem danej osoby S Spędzane na kontakcie z osobami w danej sytuacji y na godzinę na skrzydle i oblicza się jak w równaniu. (1) Gdzie \({n}_{x}\) Jest to liczba osób w danej sytuacji S na skrzydle, I Jest indywidualistą sytuacji S, \({t}_{i}\) Jest to liczba godzin, które osoba spędziła trzymając czujnik, Y Jest indywidualistą sytuacji y, \({C}_{iy}\) Jest to liczba unikalnych osób posiadających status y Skontaktowano się z nim II \({D}_{EJ}\) Jest to łączny czas ich kontaktu w okresie objętym badaniem.
$${k}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{1}{{t}_{ i}}\sum_{j}^{{C}_{iy}}{d}_{ij} $$
(1)
Podobnie indywidualny współczynnik kontaktu to liczba unikalnych osób, z którymi dana osoba skontaktowała się w ciągu godziny podczas noszenia czujnika. Średnia stawka za połączenie na godzinę \({C}_{XY}\) Dla osób stojących S Z ludźmi stojącymi y, oblicza się za pomocą równania. (2) Liczba unikalnych kontaktów w sprawie y Dla jednostki I Podzielone przez czas spędzony z czujnikiem \({t}_{i}\)uśrednione dla wszystkich osób I Z sytuacji S.
$${c}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{{C}_{iy}} {{t}_{i}}$$
(2)
Średni czas trwania indywidualnego kontaktu to łączna suma minut kontaktu podzielona przez liczbę osób, z którymi się skontaktowano. Średni czas trwania kontaktu dla tego statusu S Ma dość tej sytuacji y, \({d}_{xy}\), oblicza się jak w równaniu. (3) Najpierw biorąc średni czas trwania całej komunikacji danej osoby I Z sytuacji S Ma to związek z pojedynczymi osobami Y Z sytuacji ypodzielone przez wszystkie osoby, z którymi skontaktowano się w tej sprawie, \({C}_{iy}\). Wartość tę następnie uśrednia się dla wszystkich osób I Z sytuacji S.
$${d}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{1}{{C}_{ iy}}\suma_{j}^ {{C}_{iy}}{d}_{ij} $$
(3)
Każdą z tych miar (częstotliwość kontaktów, gęstość kontaktów i czas trwania kontaktów) następnie uśredniono dla każdego oddziału i pomiędzy każdą grupą przypadków i przedstawiono w macierzach kontaktów.
Ryzyko epidemii
Aby zbadać, jak te wartości na poziomie oddziału przekładają się na ryzyko epidemiczne, napisaliśmy model transmisji, aby przewidzieć liczbę wtórnych infekcji, które miałyby miejsce codziennie na podstawie hipotetycznego przypadku indeksowego SARS-CoV-2, gdyby wszystkie kontakty były podatne. Dla każdego podopiecznego obliczyliśmy całkowitą liczbę oczekiwanych kontaktów dziennie na podstawie średniego godzinowego wskaźnika kontaktów, \(\górna linia {c }\) (Równanie 4) w nim N to całkowita liczba obecna, \({C}_{i}\) Jest to łączna liczba kontaktów danej osoby I.
$$\overline{c}=\frac{1}{n}\cdot \sum_{i}^{n}\frac {{C}_{i}} {{t}_{i}}$$
(4)
Obliczyliśmy także średni czas spędzony na oddziale w każdym okresie 24-godzinnym, \(\górna linia {H }\) (Równanie 5), wykorzystując czas przetrzymywania czujnika jako substytut i gdzie T Jest to łączny czas nauki na tym oddziale.
$$\overline{H}=\frac{24}{n\cdot T}\sum_{i}^{n}{t}_{i}$$
(5)
Założyliśmy, że prawdopodobieństwo zakażenia na kontakt wzrasta wraz z czasem trwania kontaktu i maleje w przypadku dłuższych kontaktów22. Całkowite prawdopodobieństwo infekcji na kontakt, \(\overline{{p}_{\text{inf}}}\) (Równanie 6), obliczone na podstawie średniego prawdopodobieństwa infekcji na kontakt na osobę I We wszystkich ich komunikatach YPrawdopodobieństwo zakażenia między dwiema osobami (Równanie 7) zależy od czasu trwania kontaktu \({D}_{EJ}\) I parametr kształtu A, dla których wyższe wartości są związane z większym wzrostem prawdopodobieństwa infekcji wraz ze wzrostem czasu trwania kontaktu (rysunek uzupełniający S5). Do analizy bazowej wartość A= 0,1, co oznacza 50% prawdopodobieństwo zakażenia po 11 godzinach kontaktu.
$$\overline{{p}_{\text{inf}}}=\frac{1}{n}\cdot \sum_{i}^{n}\frac{1}{{C}_{i} }\cdot \sum_{j}^ {{C}_{i}} {{p}_{\text{inf}}}_{ij} $$
(6)
$$ {{p}_{\text {inf}}}_{ij} = \frac{1-{e}^{-{d}_{ij}\cdot a}}{1+{e}^ {-{d}_{ij}\cdot a}}$$
(7)
Oczekiwana liczba wtórnych infekcji dziennie M następnie obliczony jako iloczyn tych trzech wielkości (Równanie 8):
$$M=\overline{c}\cdot \overline{H}\cdot \overline{{p}_{\text{inf}}}$$
(8)
Przy użyciu tego samego podejścia obliczono szczegółowe prognozy liczby wtórnych infekcji dziennie wśród różnych stanów użytkowników szpitala (pacjentów, gości i pracowników służby zdrowia). Liczba infekcji wtórnych na podstawie wskaźnika stanu infekcji S W stronę jednostek posiadających status y Tego również się oczekuje \({M}_{xy}\) (Równanie 9).
$$ {M}_{xy} = {c}_{xy}\cdot {H}_{x}\cdot {p}_{{\text {inf}}_{xy}} $$
(9)
Gdzie \({C}_{XY}\) Jest to godzinowa stawka komunikacji pomiędzy S I y (Równanie 2), \({y}_{{\text{inf}}_{xy}}\) Jest to możliwość zakażenia w kontaktach pomiędzy S I y (Równanie (10) przy użyciu \({{p}_{\text{inf}}}_{ij}\) Z równania (7)), i \({h}_{x}\) Jest to średni czas spędzany przez osoby posiadające status na oddziale S (Równanie 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)
Na koniec łączna liczba infekcji wtórnych z przypadku indeksowego S Każdy stan jednostki jest obliczany przez sumowanie \({M}_{xy}\) Ogólna sytuacja y(Równanie 12).
$${M}_{x}=\sum_{y}{M}_{xy}$$
(12)
Symulowane interwencje
Wykorzystaliśmy ten model do przewidzenia wpływu środków kontroli ukierunkowanych na osoby najbliżej powiązane poprzez wielokrotne obliczanie ryzyka epidemicznego. M Jednak osoby najbardziej bezbronne nie są podatne ani nie mogą przenosić infekcji. Wybraliśmy 5% populacji, która miała albo unikalne kontakty w całym okresie badania, albo największą skumulowaną liczbę godzin kontaktu. Prawdopodobieństwo zakażenia od lub do tych osób ustalono na zero. Oceniliśmy także ukierunkowanie leczenia na osoby cierpiące tylko na jedną chorobę, na przykład pacjentów często kontaktujących się z lekarzem, zapewniając porównywalność, dzięki czemu liczba docelowa nadal stanowi 5% całkowitej populacji. Zmniejszenie dziennego ryzyka obliczono jako proporcję ryzyka bazowego, na którą nikt nie był celem (Równanie (13)).
$$\text{redukcja względna}=\frac {{M}_{\text {linia bazowa}} – {M}_{\text {ukierunkowana}}}} {{M}_{\text {linia bazowa} }} $ $
(13)
Zbadaliśmy czułość analizy symulacyjnej na proporcję populacji docelowej (powyżej zakresu 0–20%) oraz parametr kształtu APowoduje to zwiększone prawdopodobieństwo infekcji w przypadku dłuższych kontaktów (powyżej zakresu 0,05-0,5).
Wszystkie analizy przeprowadzono przy użyciu s. 4.2.023przy wykorzystaniu analiz sieciowych igrafI grafika stworzona przy użyciu ggplot2. Kod używany do każdej analizy i wizualizacji jest dostępny pod adresem https://github.com/georgeshirreff/nodscov2_risksim.
Zgoda etyczna i zgoda na udział
Badanie to zostało zatwierdzone przez Komisję ds. Ochrony Osób (CPP) Ile-de-France VI w dniu 14.04.2020 r. oraz przez Krajową Komisję ds. Informatyki i Wolności (CNIL) w dniu 16.04.2020 r. Zgodnie z CPP i CNIL podpisana zgoda pacjentów, personelu medycznego i administracyjnego oraz osób odwiedzających nie była wymagana, ale uczestnicy mogli odmówić udziału. W przypadku pacjentów nieletnich, niezdolnych do odmowy lub pozostających pod opieką, pytano odpowiednio rodziców, rodzinę lub opiekunów. Badanie przeprowadzono zgodnie z Deklaracją Helsińską.
„Odkrywca. Entuzjasta muzyki. Fan kawy. Specjalista od sieci. Miłośnik zombie.”
More Stories
Nowy raport WHO pokazuje, jak miasta przyczyniają się do postępu w zapobieganiu chorobom niezakaźnym i urazom
Naukowcy identyfikują „najlepszy punkt” bezpiecznej operacji po zawale serca
Badanie wykazało, że 20% dzieci chorych na zapalenie płuc nie otrzymuje antybiotyków