Incorporating false negative tests in epidemiological models for SARS-CoV-2 transmission and reconciling with seroprevalence estimates.
Incorporating false negative tests in epidemiological models for SARS-CoV-2 transmission and reconciling with seroprevalence estimates.
复制标题
DOI：
10.1038/s41598-021-89127-1
复制
发表时间：
2021-05-07
影响因子：
4.6
通讯作者：
Mukherjee B
中科院分区：
文献类型：
--
作者：
Bhattacharyya R;Kundu R;Bhaduri R;Ray D;Beesley LJ;Salvatore M;Mukherjee B
敏感-暴露-排除-消除（SEIR）型流行病学模型，对未确定的潜在感染进行建模，可以预测未报告的病例和死亡，假设测试完美。我们应用我们开发的方法来解释诊断性RT-PCR检测在经典SEIR模型中检测活动性SARS-CoV-2感染的高假阴性率。在真实的研究中无法观察到未确定病例和假阴性的数量，基于人口的血清调查可以帮助验证模型预测。将我们的方法应用于2020年3月15日至6月30日期间来自印度德里的训练数据，我们估计病例的漏报因子为34-53（死亡：8-13），与德里第一轮血清调查的结果基本一致（2020年6月27日至7月10日完成），估计IgG抗体流行率为22.86%，估计病例漏报因子为30-42。总之，这意味着德里约有96-98%的病例未报告（2020年7月10日）。使用2020年3月15日至12月31日期间的培训数据进行的更新计算得出了13-22岁病例的估计漏报因子（死亡：3-7）于2021年1月23日，这再次与德里的最新（第五）轮血清调查一致（2021年1月15日至23日完成），估计IgG抗体流行率为56.13%，得出17-21岁病例的漏报因子估计范围。总之，这些更新的估计意味着德里约有92-96%的病例未报告（2021年1月23日）。这种以模型为基础的估计，加上最新数据的更新，为追踪未报告的病例和死亡以及衡量这一流行病的真实程度，提供了一种可行的替代办法，取代了重复进行的资源密集型血清调查。
Susceptible-Exposed-Infected-Removed (SEIR)-type epidemiologic models, modeling unascertained infections latently, can predict unreported cases and deaths assuming perfect testing. We apply a method we developed to account for the high false negative rates of diagnostic RT-PCR tests for detecting an active SARS-CoV-2 infection in a classic SEIR model. The number of unascertained cases and false negatives being unobservable in a real study, population-based serosurveys can help validate model projections. Applying our method to training data from Delhi, India, during March 15–June 30, 2020, we estimate the underreporting factor for cases at 34–53 (deaths: 8–13) on July 10, 2020, largely consistent with the findings of the first round of serosurveys for Delhi (done during June 27–July 10, 2020) with an estimated 22.86% IgG antibody prevalence, yielding estimated underreporting factors of 30–42 for cases. Together, these imply approximately 96–98% cases in Delhi remained unreported (July 10, 2020). Updated calculations using training data during March 15-December 31, 2020 yield estimated underreporting factor for cases at 13–22 (deaths: 3–7) on January 23, 2021, which are again consistent with the latest (fifth) round of serosurveys for Delhi (done during January 15–23, 2021) with an estimated 56.13% IgG antibody prevalence, yielding an estimated range for the underreporting factor for cases at 17–21. Together, these updated estimates imply approximately 92–96% cases in Delhi remained unreported (January 23, 2021). Such model-based estimates, updated with latest data, provide a viable alternative to repeated resource-intensive serosurveys for tracking unreported cases and deaths and gauging the true extent of the pandemic.
登录
查看更多内容
影响因子：
13.8
作者：
Angulo FJ;Finelli L;Swerdlow DL
通讯作者：
Swerdlow DL
影响因子：
56.9
作者：
Britton, Tom;Ball, Frank;Trapman, Pieter
通讯作者：
Trapman, Pieter
DOI：
10.1001/jama.2020.7869
发表时间：
2020-06-09
期刊：
JAMA
影响因子：
--
作者：
Kirkcaldy RD;King BA;Brooks JT
通讯作者：
Brooks JT
影响因子：
11.1
作者：
Ioannidis JPA
通讯作者：
Ioannidis JPA
影响因子：
2.7
作者：
HASTINGS, WK
通讯作者：
HASTINGS, WK