Recopilación de datos
El estudio se realizó de abril a junio de 2020 en 15 salas de centros hospitalarios universitarios de París, Lyon y Burdeos, seleccionados por la diversidad de su actividad clínica (detalles en la tabla complementaria S1). Cada sala se estudió durante aproximadamente 36 horas, comenzando con el turno diurno de las enfermeras en la mañana del primer día y terminando al final del turno diurno del segundo día. Todo el personal que se encontraba inicialmente en la sala estaba equipado con sensores, al igual que todo el personal posterior. Llegadas al pabellón. Al final del período de estudio o cuando el participante se fue, se devolvió el sensor. Se registraron la edad y ocupación del individuo (paciente, visitante o tipo de profesional de la salud), así como el período de tiempo durante el cual se mantuvo el sensor. Los sensores portátiles (que se muestran en la Figura complementaria S1) transmiten una señal cada 10 segundos (paquete «Hola») y registran la identidad de otros sensores transmisores dentro de un rango de aproximadamente 1,5 m. Se supone que la recepción de un único paquete de saludo, ya sea registrado por ambos sensores o por un solo sensor, representa 10 segundos de comunicación entre los dos sensores. Los participantes mantuvieron el sensor en su bolsillo o en un collar alrededor del cuello. Para los pacientes asignados a sus habitaciones (pacientes de COVID-19, pacientes de UCI o recién nacidos), fueron suspendidos en una parte fija de su cama.
Análisis de comunicación
El primer paso en el análisis de datos fue calcular estadísticas resumidas de contactos, para cada individuo y luego a nivel de sala entre los usuarios del hospital de diferentes estados (paciente, visitante o proveedor de atención médica). Las matrices de contacto resumen la cantidad de contacto entre cada instancia individual (paciente, visitante, trabajador de la salud) para cada sala. Se calcularon la densidad de contacto, la tasa de contacto por hora y la duración promedio de cada contacto para las personas con la afección. y Con gente de prestigio s.
La intensidad del contacto se calculó para cada individuo dividiendo el total de minutos de contacto acumulados registrados por la cantidad de horas que el individuo pasó sosteniendo el sensor. Intensidad de contacto \({k}_{xy}\) Es el tiempo total acumulado del individuo fuera de la condición. s Pasado en contacto con personas de la situación. y por hora en el ala, y se calcula como en la ecuación. (1) Donde \({n}_{x}\) Es el número de individuos de la situación. s en el ala, I Es un individuo de la situación. s, \({t}_{i}\) Es el número de horas que esta persona pasó sosteniendo el sensor, Y Es un individuo de la situación. y, \({C}_{iy}\) Es el número de individuos únicos con estatus. y ha sido contactado IY \({D}_{EJ}\) Es la duración total de su contacto durante el período de estudio.
$${k}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{1}{{t}_{ i}}\sum_{j}^{{C}_{iy}}{d}_{ij} $$
(1)
Asimismo, la tasa de contacto individual fue la cantidad de personas únicas que el individuo contactó por hora mientras llevaba el sensor. Tasa de conexión promedio por hora \({C}_{XY}\) Para personas de prestigio s Con gente de prestigio y, se calcula mediante la ecuación. (2) El número de contactos únicos del caso. y Para el individuo I Dividido por su tiempo con el sensor. \({t}_{i}\)promediado sobre todos los individuos I De la situación s.
$${c}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{{C}_{iy}} {{t}_{i}}$$
(2)
La duración promedio del contacto individual fue el total de minutos de contacto acumulados dividido por el número de personas contactadas. Duración promedio del contacto para ese estado s Él está harto de la situación. y, \({d}_{xy}\), se calcula como en la ecuación. (3) Tomando primero la duración promedio de todas las comunicaciones de un individuo I De la situación s Lo tiene con los individuos. Y De la situación ydividido por todas las personas contactadas en este caso, \({C}_{iy}\). Luego, este valor se promedia entre todos los individuos. I De la situación s.
$${d}_{xy}=\frac{1}{{n}_{x}}\sum_{i}^{{n}_{x}}\frac{1}{{C}_{ iy}}\sum_{j}^ {{C}_{iy}}{d}_{ij} $$
(3)
Luego, cada una de estas medidas (tasa de contacto, densidad de contacto y duración del contacto) se promedió para cada sala y entre cada grupo de casos y se proporcionó en las matrices de contacto.
Riesgo de epidemia
Para estudiar cómo estos valores a nivel de sala se traducen en riesgo epidémico, escribimos un modelo de transmisión para predecir la cantidad de infecciones secundarias que ocurrirían diariamente a partir de un caso índice hipotético de SARS-CoV-2 si todos los contactos fueran susceptibles. Para cada barrio, calculamos el número total de contactos esperados por día a partir de la tasa promedio de contactos por hora, \(\línea superior {c }\) (Ec. 4) en ella norte es el número total presente, \({C}_{i}\) Es el número total de contactos de un individuo. I.
$$\overline{c}=\frac{1}{n}\cdot \sum_{i}^{n}\frac {{C}_{i}} {{t}_{i}}$$
(4)
También calculamos el tiempo promedio de permanencia en la sala para cada período de 24 horas, \(\línea superior {H }\) (Ecuación 5), utilizando su tiempo sosteniendo el sensor como sustituto, y donde t Esta es la duración total del estudio en esta sala.
$$\overline{H}=\frac{24}{n\cdot T}\sum_{i}^{n}{t}_{i}$$
(5)
Supusimos que la probabilidad de infección por contacto aumenta con la duración del contacto y con un aumento decreciente para contactos más prolongados.22. La probabilidad total de infección por contacto, \(\overline{{p}_{\text{inf}}}\) (Ecuación 6), calculada a partir de la probabilidad promedio de infección por contacto por individuo I En todas sus comunicaciones YLa probabilidad de infección entre dos personas (Ecuación 7) está determinada por la duración del contacto \({D}_{EJ}\) Y el parámetro de forma. a, para el cual los valores más altos se asocian con un mayor aumento en la probabilidad de infección al aumentar la duración del contacto (Figura complementaria S5). Para el análisis de referencia, valor aSe utiliza = 0,1, lo que representa un 50% de probabilidad de infección después de 11 horas de contacto.
$$\overline{{p}_{\text{inf}}}=\frac{1}{n}\cdot \sum_{i}^{n}\frac{1}{{C}_{i} }\cdot \sum_{j}^ {{C}_{i}} {{p}_{\text{inf}}}_{ij} $$
(6)
$$ {{p}_{\text {inf}}}_{ij} = \frac{1-{e}^{-{d}_{ij}\cdot a}}{1+{e}^ {-{d}_{ij}\cdot a}}$$
(7)
El número esperado de infecciones secundarias por día. METRO luego se calcula como el producto de estas tres cantidades (Ec. 8):
$$M=\overline{c}\cdot \overline{H}\cdot \overline{{p}_{\text{inf}}}$$
(8)
Utilizando el mismo enfoque se calcularon pronósticos específicos del número de infecciones secundarias por día entre diferentes estados de usuarios del hospital (pacientes, visitantes y trabajadores de la salud). El número de infecciones secundarias del índice de estado de infección. s Hacia personas de estatus y Se espera también \({M}_{xy}\) (Ecuación 9).
$$ {M}_{xy} = {c}_{xy}\cdot {H}_{x}\cdot {p}_{{\text {inf}}_{xy}} $$
(9)
dónde \({C}_{XY}\) Es la tasa de comunicación horaria entre s Y y (Ecuación 2), \({y}_{{\text{inf}}_{xy}}\) Es la posibilidad de contagio en contactos entre s Y y (Ecuación (10) usando \({{p}_{\text{inf}}}_{ij}\) De la ecuación. (7)), y \({h}_{x}\) Es el tiempo promedio que pasan las personas de estatus en el barrio. s (Ecuación 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}$ ps
(11)
Finalmente, el número total de infecciones secundarias del caso índice s Cualquier condición de un individuo se calcula por suma. \({M}_{xy}\) Situación general y(Ecuación 12).
$${M}_{x}=\sum_{y}{M}_{xy}$$
(12)
Intervenciones simuladas
Utilizamos este modelo para predecir el impacto de las medidas de control dirigidas a las personas más estrechamente relacionadas repitiendo el cálculo del riesgo epidémico. METRO Sin embargo, los individuos más vulnerables no son susceptibles ni pueden transmitir la infección. Seleccionamos el 5% de la población que tuvo contactos únicos durante todo el período de estudio o las horas de contacto acumuladas más altas. La probabilidad de infección desde o hacia estos individuos se fijó en cero. También evaluamos dirigirnos a individuos de una sola afección, por ejemplo, pacientes de alto contacto, asegurando la comparabilidad de que el número objetivo todavía representaba el 5 % de la población total. La reducción del riesgo diario se calculó como la proporción del riesgo inicial al que nadie estaba dirigido (Ecuación (13)).
$$\text{submuestreo proporcional}=\frac{{M}_{\text{baseline}}-{M}_{\text{targeted}}}{{M}_{\text{baseline}} }$ ps
(13)
Probamos la sensibilidad del análisis de simulación a la proporción de la población objetivo (por encima del rango 0% –20%) y el parámetro de forma. aLo que resulta en una mayor probabilidad de infección para contactos más prolongados (por encima del rango de 0,05-0,5).
Todos los análisis se realizaron utilizando página 4.2.023con análisis de red realizados utilizando igrafoY gráficos producidos usando ggplot2. El código utilizado para cada análisis y visualización está disponible en https://github.com/georgeshireff/nodscov2_risksim.
Aprobación ética y consentimiento para participar.
Esta investigación fue aprobada por la Comisión para la Protección de las Personas (CPP) Ile-de-France VI el 14/04/2020 y por la Comisión Nacional de Informática y Libertades (CNIL) el 16/04/2020. Según el CPP y la CNIL no se requería el consentimiento firmado por los pacientes, el personal médico y administrativo y los visitantes, pero los participantes podían negarse a participar. Cuando los pacientes eran menores de edad, incapaces de negarse o bajo tutela, se preguntó a los padres, familiares o tutores, respectivamente. El estudio se realizó de acuerdo con la Declaración de Helsinki.
«Propenso a ataques de apatía. Explorador de aspirantes. Analista ávido. Fanático de Internet. Comunicador»
More Stories
Tiziana comparte resultados prometedores del forelumab intranasal en el tratamiento de la esclerosis múltiple
La vida floreció cuando el campo magnético de la Tierra casi colapsó hace 590 millones de años.
El efecto de las grabaciones de audio de atención plena sobre los efectos secundarios físicos y emocionales durante la radioterapia para el cáncer de próstata