Surveillance en temps réel du COVID

Rapports scientifiques volume 13, Numéro d'article : 9371 (2023) Citer cet article

1 Altmétrique

Détails des métriques

Les communautés du monde entier ont utilisé des vaccins et des masques faciaux pour atténuer la pandémie de COVID-19. Lorsqu'une personne choisit de se faire vacciner ou de porter un masque, elle peut réduire son propre risque d'infection ainsi que le risque qu'elle représente pour les autres lorsqu'elle est infectée. Le premier avantage - la réduction de la sensibilité - a été établi dans plusieurs études, tandis que le second - la réduction de l'infectiosité - est moins bien compris. À l'aide d'une nouvelle méthode statistique, nous estimons l'efficacité des vaccins et des masques faciaux à réduire les deux types de risques à partir des données de recherche des contacts recueillies en milieu urbain. Nous constatons que la vaccination a réduit le risque de transmission ultérieure de 40,7 % [IC à 95 % 25,8–53,2 %] pendant l'onde Delta et de 31,0 % [IC à 95 % 19,4–40,9 %] pendant l'onde Omicron et que le port du masque a réduit le risque d'infection de 64,2 % [IC à 95 % 5,8–77,3 %] pendant l'onde Omicron. En exploitant les données de recherche des contacts couramment collectées, l'approche peut fournir de manière générale des estimations opportunes et exploitables de l'efficacité de l'intervention contre un agent pathogène en évolution rapide.

La vaccination et le port du masque restent deux des outils de santé publique les plus importants pour prévenir la transmission et la mortalité de la COVID-191,2,3,4,5,6,7,8,9,10. Cependant, les estimations de leur efficacité varient considérablement selon les communautés et les stades de la pandémie11. La mesure des impacts de la vaccination et du port du masque est particulièrement importante pour protéger les communautés vulnérables, notamment les maisons de retraite et les lieux de rassemblement tels que les campus universitaires12. Comprendre l'efficacité des interventions des stratégies qui ont un impact minimal sur l'activité économique mondiale peut mieux éclairer les réponses politiques qui équilibrent la réduction du fardeau épidémique et le coût économique.

Les écarts dans les estimations de l'efficacité des interventions peuvent provenir de variations entre les populations étudiées, telles que la prévalence des comorbidités, la structure démographique et les schémas de contact. Au cours de la vague Delta, les estimations de l'efficacité de deux doses d'ARNm-1273 (Moderna) contre les infections symptomatiques et asymptomatiques étaient aussi élevées que 86,7 %13,14,15 en milieu hospitalier et aussi faibles que 53,1 % chez les résidents des maisons de retraite16. Bien que ces deux études aient contrôlé les sources communes d'hétérogénéité (âge et infection antérieure), il se peut qu'il y ait eu une prévalence plus élevée de comorbidités dans la population des maisons de soins infirmiers. Au cours de la vague Omicron, les estimations d'efficacité pour deux doses de vaccins à ARNm Moderna ou Pfizer allaient de 70 % dans un hôpital sud-africain17 à 36,6 % dans plusieurs installations de test en Ontario, au Canada18. Encore une fois, ces études contrôlaient bon nombre des mêmes variables confusionnelles, y compris l'âge et les comorbidités, cependant, Buchan et al. n'ont pas été en mesure de contrôler les niveaux d'infection antérieurs dans la population, ce qui a peut-être conduit à la divergence des résultats18. Ces résultats soulignent que l'efficacité de l'intervention SARS-CoV-2 varie dans le temps et selon les communautés et que les modèles statistiques d'estimation de l'efficacité doivent tenir compte des conditions épidémiologiques, démographiques et comportementales locales.

Le test-trace-isolat qui inclut la "recherche des contacts" a été largement utilisé pour prévenir la transmission du COVID-19, en particulier pendant les premiers mois de la pandémie. Bien que ces efforts aient souvent été entravés par des retards de test et des ressources limitées19, ils ont fréquemment collecté des données précieuses sur les antécédents de vaccination, [l'historique d'utilisation du masque], le comportement, les schémas de contact, l'infection antérieure et le statut infectieux des patients index et de leurs contacts2,9,20. [Ces données permettent d'estimer l'effet protecteur du port du masque et de la vaccination simultanément, ainsi que leur effet à la fois sur l'infection et la transmission ultérieure]. Nous opposons cela aux conceptions traditionnelles de l'efficacité des vaccins « testées négatives », où les individus symptomatiques se présentent aux prestataires de soins de santé et leur statut de test et de vaccin est enregistré. Dans les conceptions traditionnelles à test négatif, les facteurs de confusion sont supposés être randomisés à condition de recevoir un test (à l'exception du comportement de recherche de soins de santé)21. Cependant, les modèles de test négatifs ne peuvent pas estimer conjointement l'effet protecteur des interventions contre la transmission ultérieure et ont souvent des difficultés à contrôler une infection antérieure. Dans le contexte des conceptions négatives de test COVID-19, il n'est pas clair si la présentation dans une installation de test contrôle suffisamment la propension d'un individu à porter un masque ou la distance sociale. Enfin, les conceptions de tests négatifs peuvent souffrir d'un biais d'épuisement sensible22, qui ne peut pas se produire dans les études basées sur la recherche des contacts puisque l'analyse est menée sous réserve d'un ensemble d'expositions d'individus sensibles.

Nous analysons les données d'un programme de recherche des contacts SARS-CoV-2 dans une grande université aux États-Unis pour estimer l'impact changeant des vaccins et des masques faciaux sur la transmission, tout en mettant en évidence les structures communautaires qui présentent un risque plus élevé. [À notre connaissance, il s'agit de la première étude à estimer l'efficacité des vaccins et des masques faciaux dans une communauté universitaire et la première à estimer simultanément l'efficacité de plus d'une intervention dans n'importe quelle population, cependant, d'autres études ont exploité les données de recherche des contacts pour l'estimation de l'efficacité des vaccins]2,23. Notre cadre est conçu pour fournir des estimations en temps réel et spécifiques au lieu, telles que les risques de transmission associés aux écoles, aux lieux de travail, aux événements sportifs et à la vie en commun, tout en informant les interventions ciblées et la communication des risques.

Nous définissons l'efficacité de l'intervention (\(\mathbb {E}_A\)) comme

où \(Y_{A=1}\) désigne le taux de positivité du test contrefactuel si tout le monde avait reçu l'intervention et \(Y_{A=0}\) désigne le taux de positivité du test contrefactuel si personne n'avait reçu l'intervention. De manière équivalente, nous définissons l'efficacité d'une intervention comme un moins le rapport de risque causal21,24,25. Idéalement, nous mesurerions les vraies infections plutôt que celles dont le test est positif, mais cela est inobservable.

Nous estimons l'Eq. (1) à partir des données observées en présence de confusion par marginalisation sur les covariables (W).

Nous ne bornons pas la valeur attendue de l'efficacité de l'intervention entre 0 et 1, mais nous autorisons plutôt des valeurs négatives, ce qui indiquerait que l'intervention est associée à une augmentation de la probabilité d'un test positif. Pour établir \(\mathbb {E_A}\) comme une quantité causale, nous ne devons supposer aucune confusion non mesurée après conditionnement sur les covariables observées ainsi que la cohérence contrefactuelle. [Nous vérifions que chaque combinaison de covariables a au moins un individu qui a été testé positif et au moins un qui a été testé négatif.]

Comme nous nous intéressons particulièrement à l'efficacité dans le temps due au déclin immunitaire et aux variantes émergentes, nous définissons également l'efficacité de l'intervention conditionnelle, conditionnelle à la domination d'une variante particulière (V) au cours d'une période donnée.

Nous commençons par formuler un modèle de régression logistique paramétrique pour la probabilité d'une interaction positive au test entre un cas index et un contact. On note \(Y_{i,j}\) comme indicateur d'un contact positif du j-ème cas index avec le i-ème contact.

Dans l'éq. (4), la durée est un indicateur binaire de la durée du contact (supérieure ou inférieure à 60 minutes), l'intérieur est un indicateur binaire indiquant si l'interaction s'est produite à l'intérieur ou à l'extérieur, le contact physique est un indicateur d'un contact physique direct et la relation désigne une variable catégorielle de la relation (colocataire, camarade de classe ou ligne de base, qui comprenait des types de relations courants tels que les amis, les partenaires, les collègues, la famille). Nous incluons un terme d'interaction de l'effet de la vaccination et du port du masque (pour les cas et les contacts) avec un indicateur du variant circulant au cours de trois vagues distinctes, Alpha, Delta et Omicron. Lorsque les cas index ont plusieurs contacts, les risques associés à ces événements peuvent être corrélés. Pour tenir compte de cette corrélation, nous incluons une interception aléatoire (\(b_{0,j}\)) spécifique au cas index j qui capture le risque de transmission supplémentaire au-delà des covariables explicites.

Nous lions ce modèle à l'[estimand] défini dans l'équation. (3) par une formulation paramétrique bayésienne de la formule de g-calcul. [La formule de calcul g est une méthode établie pour marginaliser les variables confusionnelles lors de l'estimation d'un effet de traitement marginal, dans ce cas, un moins le risque relatif marginal]26,27. Par exemple, pour récupérer l'efficacité du vaccin à partir de l'Eq. (2) pendant l'onde Omicron, nous ciblons la fonctionnelle suivante des données observées.

Sous un modèle de régression de résultat logistique paramétrique, nous pouvons brancher l'expression de la probabilité attendue dans le numérateur et le dénominateur de l'équation. (5) et marginaliser sur la distribution empirique des facteurs de confusion.

L'équation (6) peut être considérée comme la valeur attendue dans la distribution empirique des données si nous devions "définir" le statut de vaccination des contacts et "définir" la variante en circulation sur Omicron. Comme chaque \(\beta _k\) est une variable aléatoire dans un contexte bayésien, nous obtenons des estimations d'incertitude de notre estimation cible dans l'Eq. (6) par échantillonnage MCMC standard du postérieur. Voir l'annexe 1 pour plus de détails.

Les données ont été générées par le programme de test et de traçage COVID-19 de l'Université du Texas à Austin (UT) qui fonctionnait sous l'autorité d'Austin Public Health. [Pour les besoins de notre analyse, nous avons divisé les données en trois vagues de variantes distinctes ; la période où la variante Alpha était dominante (15/02/2021-15/06/2021), où la variante Delta était dominante (15/06/2021-10/12/2021) et où la variante Omicron était dominante (10/12/2021-04/03-2022). Nous avons défini une période de dominance par variante comme la période au cours de laquelle plus de 95 % des cas dans la grande région d'Austin ont été attribués à une variante spécifique. UT Austin a signalé une moyenne de moins de 1 % de positivité du test pour la période où les variantes Alpha et Delta étaient dominantes et jusqu'à 8,7 % de positivité du test pour la période où Omicron était dominant. L'université n'a jamais mis en œuvre un mandat de vaccination, mais a fortement suggéré la vaccination. Il y avait un mandat de masque en place pendant la période où Alpha était dominant ainsi qu'une stratégie hybride pour les cours en personne et à distance. Cependant, à l'arrivée de la variante Delta, l'université avait levé le mandat de masque et repris les cours en personne avec des options à distance limitées.] Des cas d'étudiants, de membres du personnel et de professeurs ont été signalés à UT Contact Tracing suite à un test d'amplification rapide d'antigène ou d'acide nucléique positif effectué entre le 15/02/2021 et le 04/03/2022 (tableau 1). Des rapports de cas ont été reçus des programmes de test sur le campus et via des auto-rapports. En collaboration avec Austin Public Health, la recherche des contacts UT a identifié d'autres cas d'étudiants, de membres du personnel et de professeurs UT qui ont été interrogés par Austin Public Health. Les traceurs de contact ont interrogé les cas par téléphone sur leurs symptômes, leurs antécédents de vaccination et les contacts exposés pendant leur période infectieuse. En 2021, on a estimé que la période infectieuse commençait 2 jours avant et se terminait 10 jours après l'apparition des symptômes (ou un résultat de test positif si asymptomatique) . Débutant le 1er janvier 2022 et pendant la vague Omicron, la période infectieuse était supposée se terminer 5 jours après le début des symptômes28. Des informations détaillées sur la nature de chaque exposition ont été recueillies à partir du cas, y compris la durée de l'exposition, le contexte (intérieur ou extérieur), la nature du contact (physique ou non physique), la relation avec le contact (par exemple, colocataire, camarade de classe ou ligne de base, qui comprenait des types de relations communs tels que les amis, les partenaires, les collègues, la famille) et si des masques étaient portés à la fois par le cas et le contact. Les contacts ont été informés de leur exposition par téléphone et interrogés sur leurs symptômes, leurs antécédents d'infection par le SRAS-CoV-2 et leur vaccination. Les contacts sans antécédents d'infection récente (dans les trois mois suivant l'exposition) ont été encouragés à demander un test COVID-19 deux fois, entre 3 et 5 jours après l'exposition pour attraper de nouvelles infections tôt et entre 5 et 7 jours pour s'aligner sur les directives nationales, quel que soit le statut vaccinal. Les résultats négatifs des tests ont été acquis par le biais de programmes de test sur le campus et par auto-déclaration. Les données ont été stockées dans la base de données de recherche des contacts de l'UT.

Les cas ont été inclus dans l'analyse s'ils étaient : (1) enquêtés avec succès à l'UT et disposés à partager leurs contacts, (2) avaient au moins un contact qui avait été testé au moins une fois 3 à 14 jours après l'exposition et, (3) avaient un statut vaccinal connu au moment de l'exposition. Les contacts ont été inclus s'ils avaient reçu au moins une tentative d'appel téléphonique de la recherche des contacts et si le statut vaccinal du contact était connu. Les résultats des tests pour chaque contact ont été annexés au cas index. [Comme nous n'avons pas pu observer tous les contacts de chaque cas index, et que cette absence peut être associée à la fois au statut vaccinal et à la positivité du test, il peut y avoir un biais dans les estimations résultantes de l'efficacité du vaccin. L'absence était particulièrement prononcée pendant la période où Omicron était dominant en raison d'une charge de travail écrasante pour les traceurs de contact (Fig. 1A). Nous explorons ce biais en détail "Données de recherche des contacts" dans la section] [La plupart des cas index avaient moins de 5 contacts et les distributions du nombre de contacts pour chacune des vagues variantes apparaissaient approximativement en loi de puissance (Fig. 1B)]. Tout contact ayant signalé un résultat de test positif 3 à 14 jours après l'exposition était considéré comme un contact positif au test. Les contacts avec uniquement des résultats négatifs au cours de cette période ont été considérés comme des contacts dont le test était négatif. Les contacts avec des résultats de test manquants ont été inclus dans une analyse de non-réponse. Certains contacts affiliés à l'UT qui n'ont pas pu être notifiés par les traceurs de contact à l'UT ont quand même été testés sur un site de test sur le campus et leurs résultats ont été saisis dans la base de données de recherche des contacts. Le statut vaccinal des cas et des contacts a été évalué par deux voies principales. Tout d'abord, des entretiens ont été menés par téléphone pour évaluer le statut vaccinal au moment de l'exposition pour les cas et les contacts. Cependant, lorsque les traceurs de contact n'ont pas été en mesure de notifier un contact et d'obtenir un statut vaccinal, les dossiers de vaccination universitaires ont été utilisés. Les cas et les contacts ont été considérés comme complètement vaccinés si l'exposition s'est produite au moins 14 jours après la [seconde] dose d'un vaccin à ARNm approuvé par la FDA. Les personnes vaccinées par Johnson et Johnson et AstraZeneca ont été exclues de l'analyse. Les cas et les contacts qui n'étaient pas vaccinés, partiellement vaccinés ou qui avaient été exposés au cours de la période de 14 jours suivant la dernière dose d'un vaccin à ARNm approuvé par la FDA étaient considérés comme non vaccinés. La taille de l'échantillon n'était pas suffisante pour estimer le déclin naturel de l'immunité ou l'efficacité du rappel au cours d'une période dominée par une variante particulière. Cette étude a été déterminée comme n'étant pas une recherche sur des sujets humains par le comité d'examen institutionnel de l'UT.

(A) : Proportion de contacts ayant fait l'objet d'une enquête réussie dans le temps. Il y a eu une baisse significative de la capacité des traceurs de contact à enquêter sur les contacts des cas index pendant la poussée d'Omicron en raison de l'ampleur de la charge de cas. (B) : Répartition du nombre de contacts par cas index [, à condition qu'un cas index ait au moins un contact, ] sur les périodes où Alpha (15/02/2021–15/06/2021), Delta (26/06/2021–10/12/2021) et Omicron (10/12/2021–04/03/2022) étaient dominants.

Un résultat de test manquait pour 10,3% des contacts. Contrairement aux conceptions traditionnelles de test négatif, le manque dans les conceptions de test négatif de recherche des contacts peut être informatif. Si un contact adopte un comportement à risque lié à la COVID-19, il est plus susceptible d'être infecté, plus susceptible de ne pas être vacciné et plus susceptible de manquer un résultat de test. On observe un taux de vaccination plus faible chez les personnes manquant un test (tableau 1). Compte tenu de l'intégration des données de test et de traçage à l'UT, nous avons toujours pu observer les personnes qui ont effectué le test à l'UT, que l'individu ait été notifié avec succès par un traceur de contact ou non. [Cependant, nous n'avons pas été en mesure d'observer leur statut de test s'ils ont été testés hors campus ou s'ils n'ont pas été testés du tout. Nous avons également pu surveiller la proportion de contacts qui ont été étudiés avec succès par des traceurs de contact (Fig. 1A). La proportion a chuté de manière drastique au cours de la vague Omicron, lorsque les traceurs de contact ont été submergés par le nombre de cas. augmente les chances de test positif. En surveillant la proportion de contacts notifiés avec succès, nous pouvons identifier les périodes où les estimations peuvent devenir peu fiables, comme la poussée d'Omicron. De plus amples détails, y compris des études de simulation spécifiques du biais, sont fournis à l'annexe A2].

Tous les efforts de collecte de données ont été effectués conformément aux directives de l'Université du Texas à Austin et approuvés par le comité d'examen interne de l'Université du Texas à Austin (STUDY00000438-MOD02). Le consentement éclairé a été obtenu de tous les sujets et/ou de leurs tuteurs légaux.

Il y avait 3782 paires cas-contact disponibles pour l'analyse. Pour la période où la variante Alpha était dominante, il y a eu 300 cas et 593 contacts. Pour la période où la variante Delta était dominante, il y a eu 703 cas et 2433 contacts. Pour la période où la variante Omicron était dominante, il y a eu 456 cas et 756 contacts. La répartition du nombre de contacts par cas est présentée à l'annexe A2. 57 % des cas et 56 % des contacts étaient des femmes (tableau 1). L'âge médian des cas index et des contacts était de 21 ans (intervalle = 17 à 48 ans) et de 20 ans (intervalle = 14 à 40 ans), respectivement. Plus de la moitié de tous les cas index et contacts ont été vaccinés (56,7 % et 56,6 %, respectivement). La majorité des cas et des contacts étaient démasqués au moment de l'exposition (80,4 % et 85,4 %, respectivement). Les expositions duraient généralement plus de 60 minutes (82,2 %) et se déroulaient à l'intérieur (96,7 %). Le nombre moyen de jours depuis la réception de deux doses était de 169 pour les contacts, 95 % ayant été vaccinés entre 50 et 250 jours avant l'exposition. Dans l'ensemble, 76,8 % des contacts ont été notifiés avec succès de leur exposition au cas index et 82,5 % des contacts ont été testés suite à leur exposition, quelle que soit la notification. Afin de tenir compte des résultats de test manquants parmi les contacts, quatre scénarios différents ont été envisagés : (1) le contact a été informé de l'exposition (c'est-à-dire qu'il a répondu à l'appel du traceur de contact) et son résultat de test a été enregistré (61,0 %) ; (2) le contact a été informé de l'exposition mais n'a pas été testé (15,7 %) ; (3) le contact n'a pas été notifié avec succès mais a tout de même été testé (21,3 %) ; et (4) le contact n'a pas été notifié avec succès et aucun résultat de test n'était disponible (2 %). La positivité du test était de 3,6 % et de 52,3 % parmi les contacts qui ont été atteints ou non, respectivement.

Nous avons estimé l'efficacité du vaccin contre l'infection dans la communauté UT au cours de trois périodes différentes de la pandémie (Fig. 2A). Lorsque la variante Alpha était dominante (15/02/2021–15/06/2021), la vaccination d'un contact réduisait son risque d'infection de 25,1 % [IC à 95 % - 16,0–62,0 %] sur la base de 493 paires de contacts de cas index (Fig. 2A). Lorsque la variante Delta était dominante (15/06/2021–10/12/2021), l'estimation était de 36,8 % [IC à 95 % 20,8–51,3 % ] sur la base de 1 885 paires de contacts de cas index. Enfin, lorsque le variant Omicron était dominant (10/12/2021–04/03/2022), nous n'avons trouvé aucun effet protecteur, avec une efficacité estimée à -107,0% [IC 95% - 159,2 à - 64,8%] sur la base de 294 paires de contacts de cas index. En ce qui concerne le statut vaccinal du cas index, l'efficacité du vaccin contre la transmission ultérieure a été estimée à 38,7 % [IC à 95 % 23,9–51,1 %] pendant l'onde alpha, 40,7 % [IC à 95 % 25,8–53,2 %] pendant l'onde delta et 31,0 % [IC à 95 % 19,4–40,9 %] pendant la période où Omicron était dominant (Fig. 2C).

Estimations de l'efficacité de l'intervention (en pourcentage) contre l'infection du contact avec des intervalles crédibles à 95 % (marques noires verticales). (A) : Densité postérieure de l'efficacité du vaccin contre l'infection (statut de vaccination par contact). L'estimation négative pour la période pendant laquelle Omicron était dominant peut provenir de risques comportementaux excessifs dans le groupe vacciné. (B) : Densité postérieure de l'efficacité du masque contre l'infection (état de masquage de contact). (C) : Densité postérieure de l'efficacité du vaccin contre la transmission ultérieure (état de vaccination index). (D) : Densité postérieure de l'efficacité du masque contre la transmission ultérieure (état de masquage de l'indice).

Le port du masque à la fois par le contact et le cas index n'était pas significativement protecteur pendant les ondes de variante Alpha ou Delta (Alpha : 22,7 % [IC à 95 % - 36,2–63,9 %], Delta : 20,4 % [IC à 95 % - 61,8–71,4 %] ) (Fig. 2B). Cependant, pendant la période où Omicron était dominant, l'efficacité du masque a été estimée à 64,2 % [IC à 95 % 5,8–77,3 %]. Le port du masque par le seul cas index, bien que non significatif, avait des estimations ponctuelles dans le sens d'un effet protecteur (Alpha : 26,7 % [IC à 95 % - 23,8–63,3 %], Delta : 43,4 % [IC à 95 % - 8,4 à 76,9 %], Omicron : - 8,0 % [IC à 95 % - 74,2 à 47,8 %]) (Fig. 2D).

Nous avons également estimé l'odds ratio de transmission en fonction des covariables comportementales et environnementales tout en tenant compte du statut vaccinal et du masquage pendant l'exposition. Les camarades de classe (OR = 0,15 [IC à 95 % 0,06 à 0,29]) et les colocataires (OR = 0,53 [IC à 95 % 0,39 à 0,70]) (Fig. 3A) étaient significativement moins susceptibles de transmettre par rapport à la ligne de base, qui comprenait des types de relations communs (amis, partenaires, collègues, famille). Nous constatons également que les interactions plus longues (> 60 minutes) (OR = 1,46 [IC à 95 % 1,13–1,89]) et celles impliquant un contact physique direct (RR = 1,37 [IC à 95 % 1,07–1,84]) augmentent la probabilité d'un contact positif au test par rapport aux contacts plus courts et moins physiques, respectivement. Les interceptions aléatoires estimées par cas index présentent une variation significative (Fig. 3B), certains cas index ayant plus du double des chances de transmission moyennes après contrôle des covariables. Ainsi, il existe probablement d'autres facteurs de risque d'infection au-delà de la vaccination, du port de masque, du type de relation, de la nature ou de la durée de l'exposition et du lieu d'exposition.

Facteurs de risque de transmission du SRAS-CoV-2 sur un campus universitaire. (A) : Densités postérieures ou variables potentiellement confondantes tout au long de la période d'étude (du 15/02/2021 au 04/03/2022), y compris la relation entre le cas index et le contact (camarade de classe, colocataire ou ligne de base, qui comprenait des types de relations communs tels que amis, partenaires, collègues, famille), le lieu d'exposition (intérieur ou extérieur), la durée de l'interaction (plus ou moins longue qu'une heure) et s'il y a eu un contact physique direct. Le rapport de cotes indique les cotes pour ceux qui ont l'indicateur par rapport à ceux qui n'en ont pas. (B) : histogramme des interceptions aléatoires estimées des cas index, représentant une hétérogénéité excessive de la transmission non expliquée par le statut vaccinal du cas index et du contact, le comportement de port du masque du cas index et du contact, la relation entre le cas index et le contact, la durée d'exposition, le lieu d'exposition ou le contact physique direct. Les valeurs inférieures à un (supérieures à un) correspondent à des cas index moins (plus) infectieux que la moyenne.

Les données de recherche des contacts d'une grande université urbaine aux États-Unis ont révélé une baisse précipitée de l'efficacité des vaccins contre l'infection par le SRAS-CoV-2 [au fur et à mesure que la pandémie progressait], conformément à d'autres études18,29,30. Les déclins proviennent probablement d'une combinaison de l'évasion immunitaire des variantes, du déclin naturel de l'immunité au cours des mois suivant la vaccination et de facteurs comportementaux non observés. [Cependant, pendant la poussée d'Omcron, les traceurs de contacts ont été submergés par le volume de cas et le suivi des contacts a considérablement diminué. Cela peut expliquer l'estimation négative statistiquement significative de l'efficacité du vaccin pendant la poussée d'Omicron et met en évidence une faiblesse de la conception de l'efficacité du vaccin basée sur la recherche des contacts. Cependant, en surveillant constamment le taux d'enquêtes réussies sur les contacts, les responsables de la santé publique peuvent identifier les périodes où les estimations peuvent devenir peu fiables.]Lyngse et al. ont également trouvé une estimation ponctuelle négative de l'efficacité du vaccin contre l'infection pendant la vague Omicron31. Le degré élevé d'incertitude dans nos estimations de l'efficacité de l'intervention découle de la petite taille des échantillons, en particulier pour les périodes où Alpha et Omicron étaient dominants.

Nous avons constaté que les vaccins offraient un niveau élevé de protection contre la transmission ultérieure pendant les ondes Alpha, Delta et Omicron. Bien que des études antérieures basées sur des ménages aient démontré cet effet protecteur32,33, nous pensons qu'il s'agit de la première indication que les vaccins réduisent l'infectiosité dans une communauté plus large. Ces estimations fournissent des preuves à l'appui de messages clairs et cohérents pour promouvoir la vaccination, le renforcement et l'utilisation vigilante des masques lors de surtensions dangereuses dans les communautés universitaires. Les données de recherche des contacts nous permettent de contrôler les facteurs environnementaux et comportementaux qui influencent la transmission, lors de l'estimation de l'efficacité des interventions. Dans notre population d'étude d'âge universitaire, les relations entre le cas index et le contact étaient fortement corrélées au risque d'infection. Les personnes qui se sont rencontrées dans le cadre d'activités universitaires quotidiennes (telles que des camarades de classe et des colocataires) avaient moins de chances d'être testées positives que les relations structurées non universitaires (amis, famille, collègues, etc.). Ces résultats ont des implications contre-intuitives pour les administrateurs universitaires aux prises avec les coûts et les avantages de limiter les activités du campus pendant les périodes de pointe34,35. Limiter les cours en personne peut être moins efficace pour prévenir l'infection que de limiter les rassemblements sociaux entre amis à de petites "bulles" ou d'encourager fortement la vaccination, le masquage et les tests pour atténuer les risques lors des rencontres sociales.

Alors que des études à grande échelle ont confirmé l'effet protecteur du port du masque chirurgical36,37, dans un essai randomisé en grappes, Abaluck et al. ont constaté que le port du masque réduisait significativement la séropositivité symptomatique de 9 %38, mais que l'effet diminuait pour les masques en tissu par rapport aux masques chirurgicaux. Cela peut suggérer que nos résultats sont motivés par la combinaison de masques en tissu, chirurgicaux et autres utilisés dans cette population universitaire ou par des problèmes de qualité des données liés à l'auto-déclaration de l'utilisation de masques. Des études à plus grande échelle sont nécessaires pour distinguer les facteurs comportementaux des facteurs virologiques des changements dans l'efficacité des masques faciaux. Nos estimations de l'efficacité des vaccins et des masques faciaux dans une grande communauté universitaire peuvent être supérieures à celles d'une population américaine plus large. Les étudiants universitaires sont plus susceptibles d'adopter des comportements à risque que les adultes plus âgés39, et cela peut être aggravé par des messages cohérents selon lesquels la COVID-19 est moins grave chez les jeunes adultes39. Les étudiants ont également tendance à avoir un grand nombre de contacts physiques étroits par semaine, compte tenu des conditions de vie en commun et des structures de classe. Ils ont également tendance à être jeunes et en bonne santé, avec une prévalence plus faible de comorbidités, ce qui peut réduire les risques de développer des symptômes qui autrement inhiberaient les activités sociales pendant qu'ils sont infectieux. Même si ce risque plus important était atténué par la vaccination et les masques faciaux, nous pourrions toujours nous attendre à des estimations plus faibles de l'efficacité de l'intervention par rapport à d'autres populations à faible risque.

Alors que les conceptions de tests négatifs ont souvent l'avantage de disposer de grands ensembles de données (puissance statistique élevée), une surveillance cohérente de l'efficacité des vaccins à l'aide de données de recherche des contacts peut fournir des estimations complémentaires en temps réel qui peuvent éclairer des réponses politiques rapides et efficaces, en particulier lorsque les interventions cessent de fonctionner. Contrairement aux études de test négatif sur l'efficacité des vaccins, qui ne surveillent que les individus symptomatiques qui se présentent aux prestataires de soins de santé, les données de recherche des contacts peuvent également détecter des infections asymptomatiques et identifier les individus qui se propagent au sein d'une communauté, aidant potentiellement à identifier les menaces variantes émergentes. Cependant, l'utilisation des données de recherche des contacts pour étudier l'efficacité de l'intervention est sujette à trois sources de biais qui ne se produisent pas avec la conception de test négatif la plus couramment utilisée. Premièrement, [comme indiqué ci-dessus, les erreurs peuvent être très informatives et peuvent biaiser considérablement l'estimation de l'efficacité du vaccin (annexe A2)]. [Deuxièmement,] les facteurs confondants de l'interaction particulière entre le cas et le contact doivent être saisis rétrospectivement et contrôlés statistiquement. Par exemple, lors de l'étude de l'efficacité d'un vaccin, il faut contrôler le port du masque car le choix de vacciner et le choix de porter un masque facial peuvent être corrélés. À l'inverse, le statut vaccinal doit être pris en compte lors de l'estimation de l'efficacité du masquage. [Enfin], la recherche des contacts peut impliquer des mesures répétées sur un seul cas index avec plusieurs contacts. Ces mesures répétées peuvent être corrélées en raison de propriétés non mesurées du cas index, telles qu'une charge virale plus élevée ou une immunité contre des infections antérieures, et doivent être prises en compte lors de l'estimation des effets de l'intervention pour éviter des estimations biaisées. D'autres études basées sur la recherche des contacts40 ont qualifié les résultats de test manquants de contacts négatifs, ce qui pourrait fausser les résultats (annexe A2). Bien qu'il n'y ait pas de remède statistique pour les absences non aléatoires, les analyses des données de recherche des contacts devraient inclure [la surveillance des taux de suivi des contacts pour identifier les estimations non fiables]. Nous notons que les données recueillies par les programmes de recherche des contacts à travers les États-Unis sont très hétérogènes, allant d'informations minimales sur les cas41 à des détails complets sur chaque exposition42. De plus, il est souvent difficile de relier les données de recherche des contacts aux dossiers de vaccination et autres données sanitaires pertinentes42,43. Un investissement accru dans les systèmes de surveillance des maladies infectieuses qui améliorent la saisie des données et intègrent les données sur les soins de santé et la santé publique faciliteraient une estimation précise et opportune de l'efficacité des interventions et des risques comportementaux.

Notre étude fournit un cadre statistique général pour l'utilisation des données de recherche des contacts couramment collectées pour suivre l'utilité des interventions à mesure que le virus continue d'évoluer et que les comportements humains changent. Le modèle de calcul bayésien g proposé peut évaluer simultanément plusieurs interventions, fournir des estimations probabilistes de leur efficacité à réduire à la fois la sensibilité et l'infectiosité, et identifier les facteurs individuels et liés à l'exposition qui augmentent les risques de transmission. Alors que les efforts mondiaux de recherche des contacts s'achèvent, l'approche peut être appliquée en temps réel car la recherche des contacts est collectée dans des populations spécifiques pour fournir une connaissance cruciale de la situation et éclairer des stratégies d'atténuation et de communication efficaces.

Les données qui étayent les conclusions de cette étude sont disponibles auprès de l'Université du Texas à Austin, mais des restrictions s'appliquent à la disponibilité de ces données, qui ont été utilisées sous licence pour l'étude actuelle, et ne sont donc pas accessibles au public. Les données sont cependant disponibles auprès des auteurs sur demande raisonnable et avec l'autorisation de l'Université du Texas à Austin.

Sheikh, A., Robertson, C. & Taylor, B. Efficacité du vaccin BNT162b2 et ChAdOx1 nCoV-19 contre la mort due à la variante delta. N. Engl. J. Med. 385(23), 2195–2197 (2021).

Article CAS PubMed Google Scholar

Braeye, T. et al. Efficacité du vaccin contre l'infection et la transmission ultérieure du COVID-19 : Analyse des données belges de recherche des contacts, janvier-juin 2021. Vaccine 39(39), 5456–5460 (2021).

Article CAS PubMed PubMed Central Google Scholar

Oon, TN et al. Impact de la variante delta et de la vaccination sur le taux d'attaque secondaire du SRAS-CoV-2 chez les contacts étroits du ménage. Lancet Reg. Santé Ouest Pac. 17, 100299 (2021).

Article Google Scholar

Yair, G. et al. Immunité décroissante après le vaccin BNT162b2 en Israël. N. Engl. J. Med. 5, 789 (2021).

Google Scholar

Patrick, T. et al. Efficacité du vaccin BNT162b2 et mRNA-1273 COVID-19 contre la variante delta du SARS-CoV-2 au qatar. Nat. Méd. 5, 968 (2021).

Google Scholar

Francis, CM et al. Évaluation des tests de surveillance simulés et de la mise en quarantaine dans une population d'étudiants vaccinés contre le SRAS-CoV-2 sur un campus universitaire. Sciences 5, 2147 (2021).

Google Scholar

John, TB & Jay, CB Efficacité du port du masque pour contrôler la propagation communautaire du SRAS-CoV-2. JAMA 325(10), 998–999 (2021).

Article Google Scholar

Yu, W. et al. Réduction de la transmission secondaire du SRAS-CoV-2 dans les ménages par l'utilisation de masques faciaux, la désinfection et la distanciation sociale : une étude de cohorte à Pékin, en Chine. Sciences 5, 214 (2020).

Google Scholar

Jacob, R., Jamie, MH, Jennifer, AM, Amelia, LBS & Grant, DB Efficacité du masque pour prévenir les cas secondaires de COVID-19, comté de Johnson, Jowa, États-Unis. Urgence Infecter. Dis. 28(1), 69–75 (2022).

Google Scholar

Hendrix, MJ, Charles, W., Kendra, F. & Robin, T. Absence de transmission apparente du SRAS-CoV-2 de deux stylistes après exposition dans un salon de coiffure avec une politique universelle de couverture du visage - Springfield, Missouri. MMWR Morb. Mortel. Wkly. Rep. 69(28), 930–932 (2020).

Article CAS PubMed Google Scholar

Melissa, MH et al. Une revue systématique de l'efficacité et de l'efficacité du vaccin COVID-19 contre le SRAS-CoV-2. Infecter. Dis. 2, 456 (2021).

Google Scholar

Hannah, L. et al. Les campus universitaires sont-ils des superdiffuseurs ? Une étude de modélisation basée sur les données. Calcul. Méthodes Biomech. Biomédical. Ing. 24(10), 1136–1145 (2021).

Article Google Scholar

Katia, JB et al. Efficacité de l'ARNm-1273 contre le delta, le mu et d'autres variantes émergentes du SRAS-CoV-2 : testez une étude cas-témoin négative. BMJ 375, e068848 (2021).

Google Scholar

Jill, MF et al. Efficacité décroissante à 2 doses et à 3 doses des vaccins à ARNm contre le COVID-19 - Consultations et hospitalisations associées aux services d'urgence et aux soins d'urgence chez les adultes pendant les périodes de prédominance des variants delta et omicron - Réseau VISION. Sciences 2, 968 (2022).

Google Scholar

Mark, GT et al. Efficacité d'une troisième dose de vaccins à ARNm contre le COVID-19-Services d'urgence associés et consultations et hospitalisations d'urgence chez les adultes pendant les périodes de prédominance des variants delta et omicron - Réseau VISION. Sci. Rep. 3, 968 (2022).

Google Scholar

Srinivas, N. et al. Efficacité des vaccins Pfizer-BioNTech et moderna dans la prévention de l'infection par le SRAS-CoV-2 chez les résidents des maisons de retraite avant et pendant la diffusion généralisée de la variante SARS-CoV-2 b.1.617.2 (delta) du réseau national de sécurité des soins de santé. MMWR Morb. Mortel. Wkly. Rep. 70(34), 1163–1166 (2021).

Article Google Scholar

Collie, S., Champion, J., Moultrie, H., Bekker, L.-G. & Gray, G. Efficacité du vaccin BNT162b2 contre la variante omicron en Afrique du Sud. N. Engl. J. Med. 386(5), 494–496 (2022).

Article PubMed Google Scholar

Sarah, AB et al. Efficacité des vaccins COVID-19 contre l'infection symptomatique omicron ou delta et les résultats graves. Sci. Rep. 21, 8633 (2022).

Google Scholar

Eva, C., Elizabeth, YC & Amirian, ES Pourquoi les efforts de recherche des contacts n'ont pas réussi à freiner la transmission de la maladie à coronavirus 2019 (COVID-19) dans une grande partie des États-Unis. Clin. Infecter. Dis. 72(9), e415–e419 (2021).

Article Google Scholar

Ivo, MF, Michael, H., Jill, MF et David, KS La conception de cas test négatif pour les études sur l'efficacité du vaccin contre la grippe. Vaccin 31(30), 3104–3109 (2013).

Article Google Scholar

Joseph, AL, Christine, T., Benjamin, JC et Marc, L. Mesure des effets directs du vaccin dans le cadre du test négatif. Suis. J. Épidémiol. 187(12), 2686–2697 (2018).

Article Google Scholar

Rebecca, K., Stephanie, JS, Jennifer, RV et Marc, L. Identifier et atténuer les biais dus à l'épuisement différentiel des personnes sensibles dans les évaluations post-commercialisation des vaccins COVID-19. Suis. J. Épidémiol. 5, 2147 (2022).

Google Scholar

Berger, RS et al. Efficacité du vaccin BNT162b2 ARNm COVID-19 contre la variante bêta du SRAS-CoV-2 (b.1.351) chez les personnes identifiées grâce à la recherche des contacts en Israël : une étude de cohorte prospective. EClinicalMedicine 42, 101190 (2021).

Article Google Scholar

Benjamin, JC & Sheena, GS Une préoccupation concernant la terminologie dans les études sur l'efficacité des vaccins. Sciences 5, 641 (2018).

Google Scholar

Anders, H., Mats, JS & Etsuji, S. Sur la fusion des mesures d'effet dans le cadre causal contrefactuel. Urgence Thèmes Épidémiol. 16, 1 (2019).

Article Google Scholar

Jonathan, MS, Sherri, R. & Kathleen, MM Mise en œuvre du calcul g sur un ensemble de données simulées : démonstration d'une technique d'inférence causale. Suis. J. Épidémiol. 173(7), 731–738 (2011).

Article Google Scholar

Alexander, PK, Eric, JD, Stephanie, ME, Jessie, PB & Jessie, KE Une approche bayésienne de la formule g. Sciences 6, 7489 (2018).

Google Scholar

Muluneh, A. et al. Intervalle de série et période d'incubation du covid-19 : une revue systématique et une méta-analyse. BMC Infect. Dis. 21(1), 1–9 (2021).

Google Scholar

Eli, SR et al. Efficacité du vaccin Covid-19 dans l'État de New York. N. Engl. J. Med. 386(2), 116–127 (2022).

Article Google Scholar

Sara, YT et al. Efficacité du vaccin ARNm BNT162b2 COVID-19 jusqu'à 6 mois dans un grand système de santé intégré aux États-Unis : une étude de cohorte rétrospective. Sciences 42, 3896 (2021).

Google Scholar

Frederik, PL et al. Transmission des sous-variants BA.1 et BA.2 de COV d'omicron du SRAS-CoV-2 : Preuves des ménages danois. Sci. Rep. 21, 796 (2022).

Google Scholar

David, WE et al. Effet de la vaccination covid-19 sur la transmission des variants alpha et delta. N. Engl. J. Med. 386(8), 744–756 (2022).

Article Google Scholar

de Brechje, G., de Brechje, G., Stijn, A., Jantien, AB, Susan, JMH, van den Susan, H., de Hester, EM, Mirjam, JK, & RIVM COVID-19 surveillance and epidemiology team. Efficacité du vaccin contre la transmission du SRAS-CoV-2 aux contacts familiaux pendant la dominance de la variante delta (b.1.617.2), août-septembre 2021, Pays-Bas.

Harry, P. & Robin, D. Un examen de la perte d'apprentissage pendant COVID-19 (Springer, Berlin, 2021).

Google Scholar

Per, E., Arun, F. & Mark, DV Perte d'apprentissage due aux fermetures d'écoles pendant la pandémie de COVID-19. Sci. Rep. 5, 214 (2021).

Google Scholar

Daniel, CP, Sarah, ES-J., Gosia, N., Uzo, C., Jesse, RG, Robert, JH, Jeffrey, AJ, Natalie, JT, Jarad, S., Zachary, W., Bettina, B., Michael, DB, Adam, M., Monita, RP, Eric, D., Bruce, LG, Rebekah, T., René, G., Shannon, R., Brett, W., Ashley, K. , Peyton, S., Christopher, L. et James, G. CDC COVID-19 Surge Laboratory Group et CDC COVID-19 Surge Laboratory Group. Infections par le SRAS-CoV-2 et réponses sérologiques d'un échantillon de membres du service de la marine américaine - USS theodore roosevelt (2020).

Pawinee, D.-ngern, Rapeepong, S., Apinya, P., Chawisar, J., Duangrat, R., Nawaporn, D., Napatchakorn, E., Nichakul, P., Nuengruethai, S., Oiythip, Y. et autres (2012).

...Jason, A. et al. Impact du masquage communautaire sur COVID-19 : un essai randomisé en grappes au Bangladesh. Sciences 375(6577), eabi9069 (2022).

Article Google Scholar

Alison, KC, Lindsay, TH, Chloe, RN, Neshat, Y. & Miranda, PD Opportunités de réduire les comportements à risque liés au COVID-19 chez les jeunes étudiants adultes : aperçus d'une cohorte longitudinale nationale. J. Adolesc. Santé 69(3), 383–389 (2021).

Article Google Scholar

SARS-CoV-2 o Transmission micron COV dans les ménages danois (2021).

Paige, K. et al. Mise en œuvre et processus d'une initiative de recherche des contacts COVID-19 : Tirer parti des étudiants professionnels de la santé pour étendre la main-d'œuvre pendant une pandémie. Suis. J. Infecter. Contrôle 48(12), 1451–1456 (2020).

Article Google Scholar

Seung-Ji, K., Sooyeon, K., Kyung-Hwa, P., Sook, IJ, Min-Ho, S., Sun-Seog, K., Hyang, P., Seong-Woo, C., Eungyu, L., & So, YR Contrôle réussi de l'épidémie de COVID-19 grâce au traçage, aux tests et à l'isolement : leçons tirées des efforts de contrôle de l'épidémie déployés dans une ville métropolitaine de Corée du Sud.

Anjum, K., Justin, FR, Steven, BA et William, MT Mise en place d'un environnement de partage de données pour un centre de santé universitaire du 21e siècle (2020).

Télécharger les références

Cette recherche a été soutenue par un don de Love, Tito's (la branche philanthropique de Tito's Homemade Vodka, Austin, TX, USA) à l'Université du Texas pour soutenir la modélisation des stratégies d'atténuation du COVID-19. Un financement supplémentaire a été fourni par le Conseil des épidémiologistes d'État et territoriaux sous le numéro de subvention NU38OT000297.

Laboratoire national de Los Alamos, Los Alamos, États-Unis

Graham C.Gibson

Département de biologie intégrative, Université du Texas à Austin, Austin, États-Unis

Spencer Woody, Spencer J. Fox et Lauren Ancel Meyers

Département de la santé de la population, Dell Medical School, Université du Texas à Austin, Austin, États-Unis

Emily James et Darlene Bhavnani

Unité d'épidémiologie et de surveillance des maladies, Austin Public Health, Austin, États-Unis

Esprit Weldon

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

GG, DB et LM ont conçu et conçu l'analyse. EJ, MW et DB ont collecté les données. SF et SW ont fourni des données ou des outils d'analyse. GG et DB ont effectué l'analyse.

Correspondance à Graham C. Gibson.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Gibson, GC, Woody, S., James, E. et al. Surveillance en temps réel de l'efficacité de l'intervention COVID-19 grâce aux données de recherche des contacts. Sci Rep 13, 9371 (2023). https://doi.org/10.1038/s41598-023-35892-0

Télécharger la citation

Reçu : 02 septembre 2022

Accepté : 25 mai 2023

Publié: 09 juin 2023

DOI : https://doi.org/10.1038/s41598-023-35892-0

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.

Nouvelles