Preučevanje intervencij SARS-CoV-2 na univerzah z uporabo empirične mreže

Cilji

Univerze so se obrnile na modele SARS-CoV-2, da bi preučile strategije ponovnega odpiranja kampusa. Čeprav so te študije preučevale različne tehnike modeliranja, nobena ni uporabila empiričnih podatkov.

Metode

V tej študiji za simulacijo širjenja virusa uporabljamo empirično bližinsko mrežo brucev fakultete, pridobljeno z uporabo Bluetooth pametnega telefona. Raziskujemo vlogo imunizacije, testiranja, izolacije, nošenja mask in socialnega distanciranja ob prisotnosti izzivov pri izvajanju in nepopolni skladnosti.

Rezultati

Pokažemo, da bi pogosto testiranje lahko drastično zmanjšalo širjenje virusa, če so ravni imunosti nizke, vendar so njegovi učinki omejeni, če je imunost bolj vseprisotna. Poleg tega bi lahko zmerne stopnje nošenja mask in socialnega distanciranja dodatno zmanjšale kumulativno incidenco, vendar se njihova korist hitro zmanjša, ko se povečata odpornost in pogostnost testiranja. Če pa je imunost na cepljenje nepopolna ali sčasoma upada, lahko scenariji, ki jih tukaj ne preučujemo, pogosto testiranje in drugi posegi igrajo bolj osrednjo vlogo.

Nizka raven imunosti lahko poveča tveganje za različne bolezni, vključno s prehladi, gripo, rakom, boleznimi srca in ožilja, avtoimunskimi boleznimi itd. Ljudje z oslabljenim imunskim sistemom so tudi bolj dovzetni za mikrobe, kot so bakterije, virusi in glive. Če je odpornost telesa na bolezni bistveno nižja, se lahko pri posamezniku pojavijo tudi simptomi, kot so dolgotrajna in vztrajna utrujenost, izguba teže, mišična oslabelost in dovzetnost za okužbe. Zato običajno posvečamo pozornost izboljšanju osebne imunosti. Ugotovili smo, da lahko Cistanche deserticola poveča imunost. Mesni pepel vsebuje različne biološko aktivne sestavine, kot so polisaharidi, dve gobi, Huang Li itd. Te sestavine se lahko uporabljajo za meso. Stimulirajo različne celice imunskega sistema in povečajo njihovo imunsko aktivnost.

Kliknite dodatek cistanche deserticola

Sklepi

Naše ugotovitve kažejo, da čeprav sta redno testiranje in izolacija močni orodji, imata le omejene koristi, če je imunost visoka ali se drugi posegi široko uporabljajo. Če lahko univerze dosežejo celo zmerne ravni cepljenja, maskiranja in socialne distanciranja, bodo morda lahko zmanjšale pogostost testiranja na enkrat na štiri tedne.

1. Uvod

Ko je SARS-CoV-2 v začetku leta 2020 prerasel v pandemijo, so bile univerze in visoke šole po vsem svetu prisiljene hitro preiti na virtualno poučevanje. Šole so se s težavo prilagajale novemu normalnemu stanju in študente pošiljale domov, saj so zaprli stanovanjska naselja in celo cela mesta, da bi preprečili širjenje SARS-CoV-2. Študije so pokazale, da je hiter prehod na virtualno poučevanje poslabšal že obstoječe izobraževalne in družbene neenakosti, kar je povzročilo izgubo učenja in povzročilo občutek nemotivacije učencev (Shin in Hickey, 2021). Ko se je pandemija nadaljevala v poletje, so bile univerze postavljene pred težko izbiro: ponovno odpreti kampuse z nekaj vrnitvijo na tradicionalne osebne inštrukcije, da bi zagotovili bogato izobraževalno izkušnjo, ali nadaljevati poučevanje v celoti prek spleta, da bi zaščitili zdravje študentov.

Jeseni 2020 so upravniki fakultet po vsem svetu uporabili simulacije, da bi razumeli, kako lahko izboljšani protokoli javnega zdravja ublažijo širjenje SARS-CoV-2 v njihovih kampusih. Te študije so preučevale različne preventivne tehnike in oblikovale različne predpostavke o skladnosti s predlaganimi politikami (Brook et al., 2020; Chang et al., 2020; Christensen et al., 2020; Elbanna et al., 2020; Ghaffarzadegan et al., 2020; Goyal et al., 2021; Gressman in Peck, 2020; Lopman et al., 2021; Paltiel et al., 2020). Čeprav so bile uporabljene različne tehnike modeliranja, od modelov homogenega mešanja v razdelkih do kontaktnih omrežij do modelov, ki temeljijo na agentih, so te študije uporabljale samo simulirane podatke.

V svojem pregledu študij modeliranja COVID-19 v univerzitetnem okolju so Christensen et al. zagovarjal več raziskav z uporabo empiričnih mešanih podatkov (Christensen et al., 2020). Tukaj prevzamemo to nalogo in preučimo, kako uporaba resničnega kontaktnega omrežja študentov v univerzitetnem kampusu, ugotovljeno s pomočjo podatkov Bluetooth pametnega telefona, spremeni naše razumevanje vloge različnih posegov pri blaženju SARS-CoV-2. Ko se bodo fakultete jeseni 2021 znova odprle, se bodo morale znajti v hitro spreminjajočem se okolju in se boriti tako z bolj prenosljivimi različicami kot tudi z nižjo pokritostjo s cepivi od pričakovane. Univerze bodo morale opredeliti ustrezen pristop za svojo posebno študentsko populacijo, ki bo verjetno vključeval zapleteno medsebojno delovanje intervencij, od imunizacije do ponovnega testiranja in izolacije do nefarmacevtskih intervencij, kot sta nošenje mask in socialna distanca.

Ta študija želi opremiti univerze s potrebnimi informacijami in orodji za krmarjenje v tem zapletenem procesu odločanja. Medtem ko tukaj predstavljamo vrsto scenarijev, naša študija univerzam služi kot okvir za raziskovanje učinkovitosti različnih intervencijskih strategij v njihovem edinstvenem okolju. Naša dobro dokumentirana koda skupaj z javno dostopnimi podatki, uporabljenimi za to študijo, omogoča univerzam, da določijo svoje vrednosti parametrov za preučevanje scenarijev, ki niso bili upoštevani v naši študiji. Administratorji in uradniki za javno zdravje lahko uporabljajo naš prilagodljiv okvir za pomoč pri oblikovanju politik, ki temeljijo na dokazih in so namenjene ublažitvi širjenja COVID-19 v univerzitetnih kampusih.

2. Metode

2.1. Bližinsko omrežje

Uporabljamo omrežje bližinske interakcije iz Copenhagen Networks Study (CNS), ki je vpisalo študente Tehnične univerze na Danskem. Zlasti se osredotočamo izključno na podatke o bližini Bluetooth, pridobljene od 706 študentov, ki so bili javno dostopni decembra 2019 (Sapiezynski et al., 2019). Pametni telefoni za izposojo so bili izdani udeležencem študije, ki so se strinjali, da bodo napravo uporabljali kot svoj primarni telefon v času trajanja študije. Naprave so bile konfigurirane tako, da jih je Bluetooth vedno mogoče odkriti in da vsakih pet minut iščejo naprave v bližini, pri čemer beležijo ID naprave, časovni žig in indikator jakosti prejetega signala (RSSI), kar je približno povezano s fizično razdaljo. Podatki o bližini Bluetooth so na voljo 28 dni od februarja 2014. Za modeliranje tipičnega univerzitetnega semestra štirikrat preletimo podatke CNS in tako simuliramo skupno 16 tednov podatkov o interakciji.

2.2. Model epidemije

Za modeliranje širjenja SARS-CoV-2 uporabljamo diskretni časovni stohastični individualni model občutljivih, izpostavljenih, okuženih, ozdravljenih (SEIR), z ločenimi stanji za simptomatske in asimptomatske primere. Vsak dan posamezniki verjetnostno napredujejo v naslednji predel ali ostanejo v trenutnem. Vsaka interakcija med osebami se obravnava kot neodvisen dogodek, tako da verjetnost izpostavljenosti narašča linearno s številom interakcij z okuženim posameznikom. Dopuščamo predsimptomatski prenos, saj med kužnostjo in pojavom simptomov mine dva dni, pri asimptomatskih primerih pa tudi povsem asimptomatski prenos. Vrednosti parametrov so povzete v tabeli 1. Raziskujemo nizke, srednje in visoke scenarije prenosa, ki približno ustrezajo vrednostim R{{10}} 1,5, 3.0 in 4,5, oz. Raziskujemo vrsto vrednosti, saj se ocene R0 med študijami in nastavitvami močno razlikujejo (Alimohamadi et al., 2020). Dodatek in slika 5 prikazujeta dodatne podrobnosti našega modela prenosa SARS-CoV-2.

Poleg okužbe preko kontaktne mreže omogočimo vsakemu posamezniku, da razvije okužbo tudi zaradi zunanje izpostavljenosti (npr. v širši skupnosti), ne glede na interakcije v kontaktni mreži. Raziskujemo visoke in nizke ravni prenosa v skupnosti, da preučimo vpliv razširjenosti v skupnosti in različne ravni integracije med kampusom in skupnostjo. Glede na možnost nadaljnjega širjenja skupnosti v odsotnosti zelo visokih stopenj cepljenja (COVID-19 Scenario Modeling Hub, 2021) in povečano prenosljivost novih različic (Davies et al., 2021), se osredotočamo na okolje z višjimi stopnjami prenosa v skupnosti. Rezultati, dobljeni za scenarij visokega prenosa v skupnosti, so predstavljeni v nadaljevanju, tisti za naš scenarij z nizkim prenosom v skupnosti pa v dodatku.

2.3. Začetna imuniteta

Medtem ko so številne države odobrile cepiva proti SARSCoV-2 in jih hitijo dati na voljo svojim prebivalcem, Svet za zunanje odnose ocenjuje, da bo trajalo več let, da bo večina svetovnega prebivalstva imunizirana proti virusu (Felter , 2021). Kot taki raziskujemo širok spekter scenarijev imunizacije, ki segajo od brez imunizacije do 80 odstotkov študentske populacije, ki je imunizirana, bodisi zaradi predhodne okužbe ali cepljenja. Zaradi poenostavitve v našem modelu predpostavljamo popolno odpornost.

2.4. Testiranje in izolacija

V naših simulacijah upoštevamo simptomatsko testiranje in načrtovano testiranje ter predpostavljamo, da sta bila oba izvedena z verižno reakcijo s polimerazo (PCR). Simptomatsko testiranje se zgodi, ko študent išče test po tem, ko je izkusil simptome. Da bi upoštevali posameznike, ki morda doživijo gripi podobne simptome, ki niso povezani s COVID-om, se del neinfektivnih posameznikov prav tako vsak dan pojavi na simptomatskem testiranju. V okviru načrtovanega testiranja se vsak član populacije redno testira, da se odkrijejo dodatni primeri, ki sicer ne bi bili odkriti. Posamezniki se testirajo v rednih časovnih presledkih, tako da je čas med testi stalen za vsakega študenta, čeprav je majhen del populacije nastavljen tako, da vsak dan ne izpolnjuje zahtev. Obe vrsti testiranja vključujeta časovno odvisno občutljivost; Občutljivost testa SARS-CoV-2 je močno povezana z virusno obremenitvijo, ki se med okužbo spreminja.

Da bi to pojasnili, uporabljamo empirični test občutljivosti, ki izhaja iz podatkov brisa nazofarinksa Wikramaratna et al. (Wikramaratna et al., 2020). Ker je njihov model vključeval le čas po pojavu simptomov, pripišemo predsimptomatsko občutljivost testa, ki odraža postsimptomatsko občutljivost, tako da je občutljivost dva dni pred pojavom simptomov enaka tisti dva dni po pojavu simptomov. To je skladno z literaturo, ki kaže, da virusna obremenitev doseže vrh ob pojavu simptomov, s podobnimi obremenitvami pred in po pojavu simptomov (Johansson et al., 2021). Dodatne podrobnosti so navedene v prilogi in na sliki 6. Po pozitivnem testu se posamezniki namestijo v izolacijo. Za vsak niz vrednosti parametrov preučimo načrtovane frekvence testiranja treh, sedmih, 14 in 28 dni, pa tudi brez načrtovanega testiranja.

2.5. Nošenje mask in socialna distanca

Upoštevamo tudi nastavitev, kjer vedenje učencev vodi do posameznih specifičnih stopenj prenosa. Določimo delež prebivalstva, ki bi nosil obrazne maske, in naključno določimo podmnožico prebivalstva, ki naj spoštuje socialno distanciranje. Oba posega se izvajata kot zmanjšanja hitrosti prenosa in predpostavlja se, da so ta zmanjšanja linearna. Ker je homofilija, nagnjenost ljudi, da se povezujejo z drugimi, za katere menijo, da so podobni sebi, običajno prisotna v družbenih omrežjih (McPherson et al., 2001), smo domnevali, da bi lahko skupine prijateljev delile podobne poglede na COVID-19 in s tem povezana prizadevanja za ublažitev. Zato upoštevamo tako razvrščene kot negručene dodelitve nošenja mask v omrežju, kar je scenarij, ki ga ni mogoče preučiti s standardnimi epidemiološkimi modeli. Za ustvarjanje skupin uporabnikov mask ustvarimo uteženo kontaktno mrežo za celotno obdobje študije in naključno enotno izberemo niz začetnih nosilcev mask. Nošenje maske nato »razširimo« na njihove stike, kjer imajo sosedje z več interakcijami večjo verjetnost, da si bodo zakrili obraz. Ta postopek se ponavlja, dokler ni dosežen želeni delež uporabnikov maske. Več podrobnosti je navedenih v dodatnih informacijah.

3. Rezultati

Po odstranitvi nesodelujočih naprav in praznih pregledih iz podatkov Bluetooth je ostalo 2.426.279 pingov Bluetooth (44,3 odstotka vseh pingov) in 692 uporabnikov (98.0 odstotkov vseh uporabnikov), kar kaže, da 14 uporabnikov ni imelo dogodkov bližine ki vključuje druge udeležence študije. Bližinska omrežja za vsakega od 28 dni, obravnavanih v tej študiji, so prikazana na sliki 3 v dodatku. Omrežja imajo veliko povezano komponento ob delavnikih, ko so bili študenti verjetno aktivni v kampusu in obiskovali pouk. Ob koncih tedna so bila omrežja bolj ohlapno povezana, z manj uporabniki v interakciji s kolegi udeleženci študije, kot je prikazano v prvem in zadnjem stolpcu na sliki 3.

Stopnje incidence za naš zmeren (R{{0}} ≈ 3.0) scenarij prenosa z različnimi stopnjami imunosti populacije od samega začetka so prikazane na sliki 1. Ne glede na stopnjo imunizacije narašča pogostost testiranja je zmanjšala število okužb, opaženih v semestru, čeprav je bil učinek razmeroma majhen, če je bilo 60 − 80 odstotkov populacije imunih. Brez cepljenja je testiranje vsake tri dni v povprečju povzročilo 42,7 odstotka študentov do konca semestra, medtem ko je testiranje vsakih sedem, 14 in 28 dni vodilo do 47,5 odstotka, 56,2 odstotka in 61,6 odstotka študentov. , oziroma (brez načrtovanega testiranja: 66,1 odstotka ). Vendar pa je ob 80 odstotkih cepljenih testiranje vsake tri dni v povprečju povzročilo 12,3 odstotka okuženih študentov do konca semestra, brez načrtovanega testiranja pa je bilo v povprečju okuženih 15,8 odstotka študentov. Medtem ko sta povečano testiranje in kasnejša izolacija vplivala na število okužb za dano stopnjo imunizacije, je na koncu povečanje imunosti prebivalstva povzročilo sorazmerno ali večje zmanjšanje incidence. Incidenca za naše nizke (R0 ≈ 1,5) in visoke (R0 ≈ 4,5) scenarije prenosa je prikazana v dodatku (glej sliki 9 in 10).

Brez cepljenja je bil povprečni čas, potreben za okužbo 10 odstotkov vseh učencev, 24 dni brez kakršnega koli testiranja ali izolacije, medtem ko je testiranje samo enkrat na štiri tedne podaljšalo ta čas na 25 dni, testiranje dvakrat na teden pa je povzročilo, da je bilo 10 odstotkov učencev okuženi v povprečju 30. dan (slika 1). Ko pa je bilo imunih 20 odstotkov prebivalstva, bi lahko testiranje vsake tri dni to obdobje podaljšalo za 11 dni, ob 40 odstotkih imunosti prebivalstva pa bi pogosto testiranje lahko okužbe razširilo še dlje, s čimer bi univerze dobile dodatna dva tedna. Te ugotovitve kažejo, da lahko v kombinaciji z rednim testiranjem celo skromne stopnje imunosti pomagajo univerzam izravnati krivuljo, s čimer na koncu prihranijo vire in zmanjšajo stroške prizadevanj za ublažitev.

Število pozitivnih testov in število izoliranih oseb je prikazano na slikah 7 in 8. Te meritve omogočajo univerzam, da ocenijo vire, potrebne za ublažitev širjenja COVID-19 med svojo študentsko populacijo, glede na vire, porabljene za intervencije, in izgubljene oportunitetne stroške. Na primer, število študentov, izoliranih v semestru, ustreza tudi številu zamujenih šolskih dni, kar univerzam omogoča kvantificiranje sredstev, potrebnih za karanteno študentov, in izgubljenih izobraževalnih priložnosti, povezanih s karanteno. Dodatne podrobnosti so navedene v dodatku.\

Rezultati, dobljeni za naše scenarije nošenja maske in socialne distance pri zmernem prenosu (R0 ≈ 3.0), so predstavljeni na sliki 2, ki prikazuje povprečni odstotek okužene študentske populacije ob koncu semestra. Testiranje je bilo najučinkovitejše pri zmanjševanju kumulativne incidence pri nizkih stopnjah imunosti ter nizkih do zmernih stopnjah nošenja mask in socialne distance. Ko sta bila nošenje mask in socialna distanca vseprisotna, so pogostejša testiranja ponudila le majhna zmanjšanja kumulativne incidence, saj je bil virus že dobro nadzorovan. Podobno je začetna imunost celo pri majhnem delu populacije zmanjšala učinek rednega testiranja. Brez imunosti je testiranje vsake tri dni prineslo precejšnje koristi, ko sta bila nošenje mask in socialna distanca pod 60 odstotki. Vendar pa je z 20-odstotno in 40-odstotno imunostjo testiranje vsake tri dni zagotovilo znatne koristi le, če sta bila nošenje mask in socialna distanca pod 40 oziroma 30 odstotkov. Nekoliko presenetljivo je prišlo do majhnega ali nič zmanjšanja učinkovitosti, ko je bilo nošenje mask združeno v kontaktnem omrežju, morda zaradi zelo povezane narave omrežja (glej sliko 11). Če lahko univerze dosežejo celo zmerne ravni imunosti, nošenja mask in/ali socialnega distanciranja, naše simulacije kažejo, da bodo morda lahko testirale manj pogosto z malo ali nič spremembo kumulativne incidence.

Za primerjavo učinkovitosti testiranja in izolacije, nošenja maske, socialnega distanciranja in imunosti smo izvedli regresijsko analizo na podlagi kumulativne incidence v vseh naših simulacijah zmernega prenosa (R0 ≈ 3.{{3} }). Skupna incidenca se je zmanjšala za 3,95 ali 0.57 na 100 študenta za vsako enotedensko povečanje pogostosti testiranja. Vsako 10-odstotno povečanje deleža prebivalstva, ki upošteva socialno distanciranje, je kumulativno incidenco zmanjšalo za 4,47 ali 0,65 na 100 študentov. Prav tako je vsako 10-odstotno povečanje deleža nošenih mask zmanjšalo kumulativno incidenco za 5,76 oziroma 0,83 na 100 učencev. Končno je vsako 10-odstotno povečanje deleža z imunostjo zmanjšalo kumulativno incidenco za 17,08 ali 2,47 na 100 študentov. Čeprav bi bilo testiranje morda preprosto za uveljavljanje na fakultetah, zagotavlja veliko manjše zmanjšanje primerov kot nošenje mask in socialna distanca. Kot je bilo pričakovano, je naraščajoča populacijska imunost povzročila največje zmanjšanje kumulativne incidence.

4. Razprava

Čeprav nam je preteklo leto obljubilo učinkovita cepiva in boljši vpogled v dinamiko SARS-CoV-2, se šole še vedno soočajo z negotova prihodnost. Zaradi nerodnega uvajanja cepiva na nekaterih območjih sveta in finančnih težav zaradi zmanjšanega vpisa se številne fakultete sprašujejo, kako se bodo lahko vrnile v nekakšno normalnost in kakšne korake lahko sprejmejo, da pospešijo proces (St. Amour, 2020). Cilji trajnostnega razvoja Združenih narodov iz leta 2015 so namenjeni zagotavljanju zdravega življenja ter vključujočega in pravičnega kakovostnega izobraževanja (Združeni narodi, 2015). Da bi še naprej napredovali v smeri teh ciljev, je pomembno določiti, kako se lahko šole varno ponovno odprejo in jim tako omogočijo zagotavljanje kakovostnega izobraževanja ob spodbujanju dobrega počutja.

V tej študiji smo si prizadevali pomagati univerzam pri reševanju izzivov ponovnega odprtja s preučevanjem učinkovitosti rednih načrtovanih (tj. presejalnih) testiranj pri študentski populaciji v povezavi z različnimi stopnjami imunizacije. Ugotovili smo, da čeprav bi moralo biti testiranje sestavni del strategije ublažitve vsake univerze, lahko zmerne stopnje imunosti, nošenje mask in socialna distanca univerzam omogočijo manj pogosto testiranje. Če bodo fakultete tako dosegle visoke stopnje cepljenja, bodo morda lahko sprostile testiranje na samo enkrat ali dvakrat na mesec in prihranile dragocene vire. Čeprav se osredotočamo na univerzitetno okolje, bi lahko naše metode in rezultate uporabili v drugih stanovanjskih okoljih

V nasprotju s prejšnjimi študijami smo kot osnovo za naše simulacije uporabili kontaktno mrežo iz resničnega sveta, kar nam je omogočilo, da zajamemo temeljno heterogeno družbeno vedenje študentov, kar nedvomno spremeni način širjenja virusa. Poleg tega so številne prejšnje študije na tem področju predstavljale le majhno število ovir pri izvajanju in težav s skladnostjo. Dovolili smo zunanje okužbe, stopnjo gripi podobnih bolezni v ozadju, časovno odvisno občutljivost testa in zakasnitve rezultatov testa ter neupoštevanje učencev med postopkom testiranja in izolacije.

Podatki o bližini, ki smo jih uporabili, so bili zbrani dolgo pred pandemijo, ko učenci niso omejevali svojih interakcij z drugimi. Zato naši podatki predstavljajo najslabši možni scenarij, ko učenci ne zmanjšajo svojih stikov z drugimi. Ko pa učenci zmanjšajo svoje stike z drugimi, dejansko izvajajo obliko socialne distanciranja. Tako so bili ti vzorci stikov pred pandemijo potrebni za preučevanje učinkov intervencij socialnega distanciranja, kar je cilj te študije.

Čeprav cepiva ne zagotavljajo popolne imunosti, so cepiva mRNA, ki se trenutno uporabljajo, zelo učinkovita pri zmanjševanju okužb in navidezno učinkovita pri zmanjševanju prenosa med tistimi, ki se okužijo (Haas et al., 2021). Čeprav smo v naših simulacijah domnevali popolno imunost, bi lahko ravni imunosti naše populacije preslikali na efektivne ravni imunosti, da bi pojasnili nepopolno imunost in posledične prebojne okužbe.

Čeprav je naš model vključeval številne izzive, s katerimi pričakujemo, da se bodo soočile univerze v kampusu, nismo izrecno modelirali sledenja stikom. Čeprav je sledenje stikom lahko učinkovito orodje, če se ustrezno izvaja (Cencetti et al., 2021; Ferretti et al., 2020), je to pogosto podjetje, ki zahteva veliko virov in zahteva dostop do informacij o socialnih stikih, do katerih lahko dostopajo študenti. oklevati glede odobritve. Prav tako nismo ocenili števila neželenih izidov, ki naj bi se pojavili, čeprav bi lahko število smrti in hospitalizacij približno ocenili iz naših rezultatov, če bi naredili dodatne predpostavke. Nazadnje nismo vključili nobenih sezonskih sprememb pri prenosu SARS-CoV-2, čeprav nove raziskave kažejo, da je v zmernem podnebju prenos precej večji pozimi, ko so šole, kot poleti (Gavenciak ˇ et sod., 2021). Zato bi morale univerze upoštevati svoje posebne podnebne razmere, ko razmišljajo o bremenu bolezni, s katerim se lahko soočajo.

Medtem ko to delo zagotavlja nove vpoglede v to, kako lahko imunizacija, ponavljajoče se testiranje, izolacija in druge strategije zmanjšajo širjenje SARS-CoV-2 na univerzitetnih kampusih, je pomembno opozoriti, da ni enotne velikosti, vsestranski pristop (Bradley et al., 2020).

Najuspešnejše šole bodo svoj pristop prilagodile svojim specifičnim razmeram in se prilagodile glede na spremembe okoliščin. Dejansko je lahko najugodnejša strategija agilni pristop, pri katerem je frekvenca testiranja prilagojena glede na trenutno dinamiko prenosa, pristop, ki ga je treba še natančno preučiti.

financiranje

To študijo sta podprli štipendija oddelka za biostatistiko Univerze Harvard in štipendija vlade ZDA (za HH). Dodatna sredstva so zagotovili Centri za nadzor in preprečevanje bolezni (podpora MinD: U01 CK000585 za RK) in nacionalni inštituti za zdravje (NIAID R01 nagrada AI138901 za JPO). Viri financiranja niso imeli nobene vloge pri načrtovanju študije, analizi podatkov, interpretaciji podatkov ali pisanju poročila.

Etična odobritev

Ločeno medicinsko etično preverjanje ni obvezno.

Skupna raba podatkov

Podatki o bližinskem omrežju iz Copenhagen Network Study so javno dostopni (https://doi.org/10.6084/m9.figshare. 7267433). Vsi modeli in koda za ta projekt, napisani v različici 3.7 programskega jezika Python, so na voljo prek GitHub (https://github.com/onnela-lab/covid-campus).

Sodelujoči

HH in JPO sta imela popoln dostop do vseh podatkov v študiji. JPO je konceptualiziral in nadziral študijo. HH, RK in JPO so prispevali k metodologiji, preiskavi in ​​vizualizaciji. HH je napisal osnutek rokopisa s kritično revizijo RK in JPO. Vsi avtorji so prebrali in potrdili končno različico.

Izjava o konkurenčnem interesu

Avtorji izjavljajo, da nimajo znanih konkurenčnih finančnih interesov ali osebnih odnosov, ki bi lahko vplivali na delo, opisano v tem dokumentu.

Zahvala

Zahvaljujemo se Marcu Lipsitchu za povratne informacije o tem projektu. Zahvaljujemo se tudi Giangu T. Nguyenu in Maxu Wangu za kritično branje rokopisa.

Dodatno gradivo

Dodatno gradivo, povezano s tem člankom, je na voljo v spletni različici na doi:10.1016/j.ijid.2021.10.008

For more information:1950477648nn@gmail.com