Blog

Aug 24, 2023

Verhaltensfaktoren und SARS

Communications Medicine Band 3, Artikelnummer: 102 (2023) Diesen Artikel zitieren 3397 Zugriffe auf 272 Altmetric Metrics-Details Variabilität der sekundären Angriffsraten und Übertragungsrisiken im Haushalt

Kommunikationsmedizin Band 3, Artikelnummer: 102 (2023) Diesen Artikel zitieren

3397 Zugriffe

272 Altmetrisch

Details zu den Metriken

Die Variabilität der sekundären Angriffsraten in Haushalten und die Übertragungsrisikofaktoren von SARS-CoV-2 sind nach wie vor kaum verstanden.

Wir führten eine Haushaltsübertragungsstudie von SARS-CoV-2 in Costa Rica durch, wobei SARS-CoV-2-Indexfälle aus einer größeren prospektiven Kohortenstudie ausgewählt und deren Haushaltskontakte erfasst wurden. Vom 21. November 2020 bis zum 31. Juli 2021 wurden insgesamt 719 Haushaltskontakte von 304 Haushaltsindexfällen registriert. Blutproben wurden von Kontakten innerhalb von 30–60 Tagen nach der Indexfalldiagnose entnommen; und das Serum wurde auf das Vorhandensein von Spike- und Nukleokapsid-SARS-CoV-2-IgG-Antikörpern getestet. Der Nachweis früherer SARS-CoV-2-Infektionen bei Haushaltskontakten wurde anhand des Vorhandenseins von Spike- und Nukleokapsid-Antikörpern definiert. Wir haben ein Kettenbinomialmodell an die serologischen Daten angepasst, um das exogene Infektionsrisiko in der Gemeinschaft und mögliche Übertragungen über mehrere Generationen hinweg innerhalb des Haushalts zu berücksichtigen.

Die Gesamtseroprävalenz betrug 53 % (95 %-Konfidenzintervall (KI) 48–58 %) bei Haushaltskontakten. Die geschätzte sekundäre Angriffsrate im Haushalt beträgt 34 ​​% (95 %-KI 5–75 %). Das Tragen einer Maske durch den Indexfall ist mit einer Reduzierung des Übertragungsrisikos im Haushalt um 67 % verbunden (angepasstes Odds Ratio = 0,33 mit 95 %-KI: 0,09–0,75), und wenn das Schlafzimmer nicht mit dem Indexfall geteilt wird, ist das Risiko einer Übertragung im Haushalt um 67 % geringer 78 % (bereinigtes Odds Ratio = 0,22 mit 95 %-KI 0,10–0,41). Die geschätzte Verteilung der sekundären Angriffsraten in Haushalten ist über die Indexfälle hinweg sehr heterogen, wobei 30 % der Indexfälle die Quelle für 80 % der sekundären Fälle sind.

Die Modellanalyse legt nahe, dass Verhaltensfaktoren wichtige Faktoren für die beobachtete Heterogenität der SARS-CoV-2-Übertragung innerhalb des Haushalts sind.

Wenn Sie mit bekannten SARS-CoV-2-Fällen im selben Haus leben, können Haushaltsmitglieder ihr Verhalten ändern und vorbeugende Maßnahmen ergreifen, um die Ausbreitung von SARS-CoV-2 einzudämmen. Um zu verstehen, wie sich Verhaltensfaktoren auf die Ausbreitung von SARS-CoV-2 im Haushalt auswirken, haben wir uns auf Haushaltsmitglieder von Personen mit im Labor bestätigten SARS-CoV-2-Infektionen konzentriert und die Art und Weise verfolgt, wie sich SARS-CoV-2 innerhalb des Haushalts verbreitet die Antikörper gegen das Virus hatten, was bedeutet, dass sie infiziert waren. Wir stellten den Teilnehmern außerdem detaillierte Fragen zu ihrem Verhalten und verwendeten mathematische Modelle, um deren Auswirkungen auf die Übertragung von SARS-CoV-2 zu bewerten. Wir haben festgestellt, dass das Tragen von Masken bei SARS-CoV-2-Fällen und die Vermeidung des gemeinsamen Schlafens mit den infizierten Personen die Übertragung von SARS-CoV-2 verringert. Die Betreuung von SARS-CoV-2-Fällen und die längere Interaktion mit infizierten Personen begünstigen jedoch die Ausbreitung von SARS-CoV-2. Unsere Studie gibt Aufschluss darüber, welche Verhaltensweisen dazu beitragen können, die Übertragung von SARS-CoV-2 innerhalb eines Haushalts zu reduzieren.

Der Haushalt gilt als einer der Hauptorte für die Übertragung von SARS-CoV-21, wobei in mehreren Ländern und in verschiedenen Phasen der Pandemie hohe sekundäre Angriffsraten bei Haushaltskontakten2 gemeldet wurden3,4,5,6. Selbst nach der ersten akuten Phase der Pandemie empfahlen die Gesundheitsbehörden in vielen Ländern eine häusliche Isolation für Menschen mit bestätigten SARS-CoV-2-Infektionen, um die Übertragung durch die Gemeinschaft insgesamt zu reduzieren7. Bei gefährdeten Personen erhöht sich jedoch das Infektionsrisiko erheblich, wenn ein Haushaltskontakt mit einer bestätigten SARS-CoV-2-Infektion besteht, was zu einem Krankenhausaufenthalt oder sogar zum Tod führen kann. Während im Jahr 2021 in vielen Ländern Impfungen mit hoher Wirksamkeit gegen symptomatische Infektionen verfügbar wurden, hat das Aufkommen von hoch übertragbaren und Immun-Escape-Varianten wie Omicron zusammen mit der nachlassenden Immunität die Bedeutung nichtpharmazeutischer Interventionen neu entfacht. Öffentliche Gesundheitsbehörden haben Richtlinien zur Reduzierung der Übertragung innerhalb eines Haushaltes bereitgestellt, einschließlich des Tragens von Masken und des Wohnens in getrennten Schlafzimmern.7 Die Wirksamkeit solcher Richtlinien wurde jedoch noch weitgehend nicht mit realen Daten getestet.

In Ländern mit hohem Einkommen wurden mehrere Studien zur Übertragung durch Haushalte durchgeführt. Die Daten aus Ländern mit niedrigem und mittlerem Einkommen sind jedoch begrenzt. Costa Rica verfügt über ein universelles Gesundheitssystem mit einer guten Infrastruktur und einem robusten Überwachungssystem, das sich ideal für die Durchführung bevölkerungsbezogener Übertragungsstudien eignet. Die Gesundheitsversorgung ist bei der costaricanischen Sozialversicherung (Caja Costarricense de Seguro Social – CCSS) zentralisiert und die meisten Patienten mit COVID-19 werden in einer ihrer Gesundheitseinrichtungen behandelt und betreut, wobei detaillierte Aufzeichnungen geführt werden. Der erste Fall von COVID-19 in Costa Rica wurde am 6. März 2020 entdeckt, und kurz darauf führte das CCSS-Gesundheitsministerium Interventionsmaßnahmen auf Bevölkerungsebene ein, darunter Schulschließungen und Isolation zu Hause für positive Fälle8.

Um die sekundären Angriffsraten besser abschätzen zu können und die Verhaltensdeterminanten der SARS-CoV-2-Haushaltsübertragung zu verstehen, führen wir eine serologische Haushaltsstudie durch, die in eine größere prospektive bevölkerungsbasierte Studie zur immunologischen Reaktion von SARS-CoV-2 in Costa Rica eingebettet ist. Wir passen die serologischen Daten an ein kettenbinomiales Haushaltsübertragungsmodell an, um die nichtlineare Übertragungsdynamik sowie das zeitlich variierende Infektionsrisiko in der Gemeinschaft zu berücksichtigen. Darüber hinaus ist dieses Modell in der Lage, detaillierte demografische, klinische und verhaltensbezogene Risikofaktoren des Index und der Haushaltskontakte einzubeziehen. Wir schätzen die sekundäre Angriffsrate im gesamten Haushalt, das kumulative Infektionsrisiko in der Gemeinschaft und bewerten die Quellen der Übertragungsheterogenität zwischen Haushaltsmitgliedern. Wir stellen fest, dass das Tragen einer Maske durch den Indexpatienten und das Vermeiden, das Schlafzimmer mit dem Indexpatienten zu teilen, das Übertragungsrisiko von SARS-CoV-2 verringern, während die Pflege des Indexpatienten und eine längere Interaktion mit dem Indexpatienten das Übertragungsrisiko von SARS-CoV-2 erhöhen. Unsere Studie zeigt, dass Verhaltensfaktoren und vorbeugende Maßnahmen wesentliche Faktoren für die Übertragung von SARS-CoV-2 im häuslichen Umfeld sind.

Für die größere prospektive Studie wurden 1000 Fälle aus drei geografischen Gebieten rekrutiert: Provinz Puntarenas, Großraum San Jose (Gran Area Metropolitana) und der Provinz Guanacaste sowie vier Altersschichten (0–19, 20–39, 40). –59, 60 + ) anhand nationaler Überwachungslisten des CCSS und des Gesundheitsministeriums. In die Liste des Überwachungssystems wurden nur PCR-bestätigte Fälle aufgenommen, da sie der für die Überwachung verwendeten Falldefinition entsprachen. Die geografischen Gebiete wurden nach logistischen Gesichtspunkten ausgewählt und repräsentierten 58 % der Bevölkerung Costa Ricas. Die Fälle wurden innerhalb jedes geografischen Gebiets und jeder Altersschicht nach dem Zufallsprinzip ausgewählt. Ungefähr 30 % der Fälle wurden um Zustimmung zur Teilnahme an der Nested-Household-Studie gebeten; Diese Fälle wurden als „Indexfälle“ bezeichnet.

Ein Haushalt wurde definiert als zwei oder mehr zusammenlebende Personen, die sich eine Küche teilten. Voraussetzung für die Aufnahme ist, dass ein Kontakt seit der Diagnose des Indexfalls mindestens eine Nacht pro Woche im Wohnbereich verbracht hat. Nach Einwilligung und Einschreibung wurde den Indexfällen und ihren Haushaltskontakten ein Fragebogen zur Ermittlung demografischer, klinischer und verhaltensbedingter Risiken sowie präventiver Faktoren ausgehändigt. Bei Haushaltskontakten wurden Symptome im Zusammenhang mit SARS-CoV-2 für den Zeitraum zwei Wochen vor bzw. zwei Wochen nach dem Probenentnahmetermin für den Indexfall (im Folgenden „Diagnosedatum“ genannt) ermittelt. Wenn ein Haushaltskontakt eine frühere COVID-Diagnose meldete, wurden Symptome im Zusammenhang mit dieser Diagnose ermittelt. Blutproben wurden von Haushaltskontakten 30 bis 60 Tage nach dem Entnahmedatum der PCR-bestätigten positiven Probe des Indexfalls entnommen und Serumproben wurden getestet, um das Vorhandensein von SARS-CoV-2-Antikörpern (gegen beide SARS-CoV-2-Antikörper) festzustellen -2-Nukleokapsid und Spike-Protein) als Marker für eine frühere SARS-CoV-2-Infektion.

Haushaltsindexfälle und ihre Kontakte wurden vom 1. Dezember 2020 bis zum 31. Juli 2021 registriert. Dieser Zeitraum fiel mit der Mitte der ersten Welle und dem Ende der zweiten Welle in Costa Rica zusammen (Abb. S1). Die Studie wurde unmittelbar vor der breiten Verfügbarkeit von SARS-CoV-2-Impfstoffen in Costa Rica durchgeführt9. Nachdem die Studienrekrutierung abgeschlossen war, wurden die nationalen Impfregister durchsucht, um den Impfstatus und die Daten aller geimpften Teilnehmer zu ermitteln.

Das RESPIRA-Studienprotokoll wurde vom Central Institutional Review Board des CCSS genehmigt. (Protokoll R020-SABI-000261). Eine informierte, unterschriebene Einwilligung wurde von allen Studienteilnehmern oder ihren Eltern (bei Teilnehmern unter 18 Jahren) eingeholt.

Serumproben wurden mithilfe eines zuvor validierten quantitativen Immunpräzipitationstests im Mikrotiterplattenformat auf das Vorhandensein von SARS-CoV-2-Spike- und Nukleokapsid-Anti-IgG-Antikörpern getestet. Technische Details des Immunpräzipitationstests finden Sie in der Arbeit von Burbelo et al.10. > 14 Tage nach Beginn der SARS-CoV-2-Symptome wies der Assay Antikörper gegen das SARS-CoV-2-Nukleokapsidprotein mit einer Sensitivität von 100 % und einer Spezifität von 100 % nach, während Antikörper gegen das Spike-Protein mit einer Sensitivität von 91 % und einer Spezifität von 100 % nachgewiesen wurden % Spezifität durch den Assay10. Wir definierten Seropositivität als positiv sowohl für Spike- als auch für Nukleokapsid-Antigene und betrachteten sie als Beweis für eine frühere SARS-CoV-2-Infektion. Die Serumproben wurden zwischen 30 und 60 Tagen nach der Entnahme der PCR-positiven Indexfallprobe entnommen, um Zeit für die Serokonvertierung zu lassen. Ungefähr 7,5 % der Proben wurden blind in die Platten eingearbeitet, um die Variabilität innerhalb und zwischen den Platten zu bewerten. Der einseitige Intraklassen-Korrelationskoeffizient (ICC) für Nukleokapsid-Duplikate innerhalb der Platte betrug 0,94 mit einem 95 %-KI von 0,87–0,97; der ICC für Spike-in-Platte-Duplikate betrug 0,95 mit einem 95 %-KI von 0,89–0,98; der ICC für plattenübergreifende Nukleokapsid-Duplikate betrug 0,71 mit einem 95 %-KI von 0,44–0,87; Der ICC für Spike-in-Platte-Duplikate betrug 0,87 mit einem 95 %-KI von 0,72 – 0,94. Darüber hinaus wurden 25 Proben aus der Zeit vor der Pandemie aus einer Bevölkerungsstudie in Costa Rica11 als Negativkontrollen getestet, um die Gültigkeit des Tests sicherzustellen; alle wurden erwartungsgemäß als seronegativ eingestuft.

Hier betrachten wir ein multivariables kettenbinomiales Haushaltsübertragungsmodell für SARS-CoV-2 als Erweiterung früherer Haushaltsmodelle, die zur Untersuchung der Influenzaübertragung entwickelt wurden12,13. Das Modell wurde an die kumulative Ausbruchsgröße am Ende des Haushaltsausbruchs angepasst, also an die Gesamtzahl der infizierten Personen, und nicht an die genaue Reihenfolge und den zeitlichen Verlauf der Infektionen. Wir gehen nicht davon aus, dass alle seropositiven Haushaltsmitglieder Infektionen durch den Indexfall erworben haben, und berücksichtigen auch in der Gemeinschaft erworbene Infektionen (vor der Blutprobenentnahme) bei Haushaltsmitgliedern und eine Übertragung über mehrere Generationen innerhalb des Haushalts.

Insbesondere bezeichne h einen Haushalt, i eine Einzelperson, mit \({i}_{-}^{h}\) eine Einzelperson i, die im Haushalt h serologisch negativ ist, und \({i}_{+}^{ h}\) eine Person i, die im Haushalt h serologisch positiv ist. Das Risiko einer Ansteckung aus der Gemeinschaft variiert im Laufe der Zeit aufgrund sich ändernder Inzidenz und wird als \({P}_{c}*f(t)\) geschrieben, wobei \(f(t)\) die kumulative Inzidenzrate ist vom Beginn der Pandemie bis zum Zeitpunkt t in Costa Rica, und Pc ist das vom Modell zu schätzende Basisinfektionsrisiko für die Gemeinschaft. Wenn wir \({t}_{s}^{i}\) als den Zeitpunkt der Entnahme serologischer Proben für das Haushaltsmitglied i bezeichnen, dann ist die Wahrscheinlichkeit, dass eine Person i einer Infektion aus der Gemeinschaft entkommt, wie folgt gegeben:

Um das Übertragungsrisiko zwischen dem Indexfall und Haushaltsmitgliedern zu modellieren, bezeichnen wir \({P}_{h}^{{ic}-j}\) als das Risiko, dass Indexfall ic Haushaltsmitglied j in Haushalt h infiziert. Wir können \({P}_{h}^{{ic}-j}\) wie folgt ausdrücken:

wobei \({P}_{{in}{dex}}\) das Grundrisiko der SARS-CoV-2-Übertragung innerhalb des Haushalts bezeichnet und ak den Risikofaktor k darstellt, der potenziell das Übertragungsrisiko im Haushalt beeinflussen könnte. Wir berücksichtigen Risikofaktoren, die die Übertragbarkeit und Anfälligkeit beeinflussen, wie Alter, Geschlecht und Adipositasstatus (selbstberichtet) des Indexfalls ic und der Haushaltskontakte j. Wir beziehen auch die Haushaltsgröße und Verhaltensfaktoren mit ein, etwa ob der Kontakt mit dem Indexfall ein Schlafzimmer teilte, Zeit mit dem Indexfall außerhalb des Schlafzimmers verbrachte, sich um den Indexfall kümmerte und nach der Diagnose im Indexfall eine Maske trug (Index). Fall und Haushaltsmitglied). Wir untersuchen eine Reihe von Modellen, die verschiedene Risikofaktoren umfassen, wie in der Ergänzungstabelle S1 dargestellt. Wir können dann die Wahrscheinlichkeit, dass ein Haushaltsmitglied i einer Infektion durch den Indexfall entgeht, wie folgt ausdrücken:

Um das Übertragungsrisiko zwischen Haushaltskontakten (d. h. Übertragungsketten, die den Indexfall nicht betreffen) zu modellieren, bezeichnen wir \({P}_{h}^{{ij}}\) als das Risiko eines seropositiven Haushalts Kontakt i infiziert Haushalt Kontakt j im Haushalt h. Wir können \({P}_{h}^{{ij}}\) wie folgt ausdrücken:

Dabei bezeichnet Phh das Grundrisiko einer SARS-CoV-2-Übertragung zwischen einem infizierten Haushaltskontakt und einem anderen nicht infizierten Haushaltskontakt und bk den Risikofaktor k, der das Übertragungsrisiko im Haushalt möglicherweise beeinflussen könnte. Wir gehen davon aus, dass das Grundübertragungsrisiko bei einem durchschnittlichen Haushaltsmitglied (Phh) im Vergleich zum Indexfall (\({P}_{{index}}\)) unterschiedlich ist, da wir insbesondere von Haushaltsmitgliedern und Indexfällen leicht unterschiedliche Verhaltensvariablen erfasst haben bezüglich aller paarweisen Interaktionen zwischen Indexfall und Haushaltsmitgliedern. Dies geht nicht von einem inhärent unterschiedlichen biologischen Risiko gegenüber Indexfällen und Haushaltsmitgliedern aus, sondern lediglich von Messunterschieden. Hier beziehen wir Risikofaktoren wie Alter, Geschlecht und Adipositasstatus des seropositiven Infektors i (modulierend für die Übertragbarkeit) sowie Haushaltskontakte j (modulierend für die Anfälligkeit) ein. Wir berücksichtigen auch die Haushaltsgröße, ob der Empfänger eine Maske trägt und den Symptomstatus des Infizierten.

Für einen gegebenen Risikofaktor ak oder bk werden fehlende Informationen (Tabelle 1) als eigenständige Kategorie innerhalb des Risikofaktors behandelt und in das Übertragungsmodell einbezogen.

Wir können dann die Wahrscheinlichkeit, dass Haushaltskontakte bei allen positiven Haushaltskontakten einer Infektion entgehen, wie folgt ausdrücken:

wobei \(\left\{j \, \ne \, i\right\}\) alle positiven Haushaltskontakte darstellt. Somit ergibt sich innerhalb des Haushalts h die Wahrscheinlichkeit, dass der Haushaltskontakt i am Ende des Haushaltsausbruchs seronegativ ist, wie folgt:

Und die Wahrscheinlichkeit, dass eine Person seropositiv ist, ergibt sich aus:

Für Haushalt h ergibt sich die logarithmische Wahrscheinlichkeit der Beobachtung des Infektionsstatus aller Haushaltskontakte durch:

Die Gesamtwahrscheinlichkeit der Beobachtungen für alle Haushalte ergibt sich aus:

Wir haben das Modell an serologische Beobachtungen angepasst und die Maximum-Likelihood-Methode verwendet, um Parameter abzuleiten: Schätzungen zu \({{P}_{c},P}_{{hh}},{P}_{{index}}\) gemeldet in Abb. 2b, während die Schätzungen \(\left\{{\alpha }_{k}\right\}\) und \(\left\{{\beta }_{k}\right\}\) angegeben wurden Abb. 2a. 95 %-Konfidenzintervalle wurden durch einen Likelihood-Ratio-Test ermittelt. Um den potenziellen Haushaltsclustereffekt zu berücksichtigen, haben wir über 304 Haushalte gebootstrappt und dabei die Haushaltsgrößenverteilung sowie die Verteilung der Alterskategorie, des Geschlechts und des Diagnosemonats der Indexfälle kontrolliert (d. h. für jede Bootstrap-Stichprobe die gemeinsame Verteilung der Haushaltsgröße). , die Alterskategorie des Indexfalls (siehe Tabelle 1 für die Altersschichten), das Geschlecht des Indexfalls und der diagnostische Monat des Indexfalls stimmen mit den Originaldaten überein. Wir haben 100-mal wiederholte Bootstrapping-Schätzungen verwendet, um Bootstrapping-Konfidenzintervalle als Sensitivitätsanalyse zu erstellen.

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Portfolio Reporting Summary.

Vom 1. Dezember 2020 bis zum 30. Juli 2021 wurden insgesamt 986 Haushaltskontakte angesprochen, von denen 719 (73 %) der Teilnahme an der Haushaltsstudie zustimmten. Diese Kontakte verteilten sich auf 304 Haushalte. Dieser Studienzeitraum umfasste die erste Welle und den Beginn der zweiten Welle in Costa Rica (S1). Die gesamte Haushaltsgröße lag zwischen 2 und 9 Personen, wobei die durchschnittliche Haushaltsgröße bei 3,3 Personen lag. Unter den 304 Indexfällen lag das Durchschnittsalter bei 38 Jahren (Bereich: 0–101); 163 (54 %) Indexfälle waren weiblich. Unter den 719 Haushaltskontakten lag das Durchschnittsalter bei 32 Jahren (Bereich: 0–93); 404 (56 %) Haushaltskontakte waren weiblich. Weniger als 10 % der Studienteilnehmer waren mit mindestens einer Impfdosis geimpft. Detaillierte demografische, klinische und Verhaltensfaktoren sowohl für den Indexfall als auch für die Haushaltskontakte sind in Tabelle 1 zusammengefasst.

Um die Belastung durch SARS-CoV-2 unter 719 Haushaltskontakten zu bewerten, haben wir die Seroprävalenz sowohl insgesamt als auch innerhalb der Schichten geschätzt, definiert durch: Haushaltsgröße; Alter, Geschlecht und Adipositasstatus des Indexfalls sowie Haushaltskontakte; und Verhaltensfaktoren wie Maskengebrauch und Interaktionen des Kontakts mit dem Indexfall (Abb. 1). Die Seroprävalenz und das 95 %-KI wurden unter Verwendung univariater verallgemeinerter Schätzgleichungen mit Haushaltsclusterung geschätzt. Die Gesamtseroprävalenz betrug 53 % (95 %-KI 48–58 %) bei Haushaltskontakten, die Seroprävalenz variierte jedoch erheblich zwischen den verschiedenen Schichten. Insbesondere bei verhaltensbedingten Risikofaktoren war die Seroprävalenz signifikant höher, wenn der Kontakt mit dem Indexfall ein Schlafzimmer teilte (67 % mit 95 %-KI 59–73 %) gegenüber 48 % (95 %-KI 43–54 %, p < 0,001). ) oder hatten Interaktionen mit dem Indexfall außerhalb des Schlafzimmers (58 % mit 95 %-KI 53–63 % für >1 Stunde vs. 41 % mit 95 %-KI 34–50 % für <1 Stunde, Trendtest p < 0,001).

Das gesamte kumulative Infektionsrisiko wird als Anteil der Seropositiven unter allen 719 Haushaltskontakten berechnet. Das kumulative Infektionsrisiko innerhalb einer bestimmten Schicht wird als Anteil seropositiver Personen unter den Haushaltskontakten innerhalb der Schicht berechnet. Wir haben die 719 Haushaltskontakte nach Merkmalen der Haushaltsgröße auf Haushaltsebene geschichtet; Merkmale der Indexfälle, einschließlich Alter, Geschlecht, Fettleibigkeit oder Nicht-Fettleibigkeit der Indexfälle, Häufigkeit des Tragens von Masken; Eigenschaften von Haushaltsmitgliedern, einschließlich Alter, Geschlecht, Fettleibigkeit oder Nicht-Fettleibigkeit der Haushaltskontakte, Häufigkeit des Tragens von Masken, bei Pflege des Indexfalls, gemeinsames Schlafzimmer mit Indexfall oder Interaktionshäufigkeit mit Indexfall nach der Diagnose des Indexfalls. Konfidenzintervalle basieren auf einer verallgemeinerten Schätzgleichungsanalyse, die auf jeden Risikofaktor einzeln angewendet wird und haushaltsinterne Korrelationen berücksichtigt.

Altersspezifische Mischungsmuster zwischen Indexfall und Haushaltskontakten sind in Abb. S2a dargestellt. Die Haushaltsmischungsmuster in Costa Rica ähneln denen in anderen Ländern14,15, mit einem deutlichen „Drei-Banden“-Merkmal. Das diagonale Band stellt die Vermischung mit Kontakten ungefähr des gleichen Alters dar, während die beiden nicht diagonalen Bänder die Vermischung zwischen den Generationen darstellen (Eltern leben mit kleinen Kindern/Erwachsene leben mit älteren Eltern). Das Mischungsmuster zwischen index- und seropositiven Haushaltskontakten unterscheidet sich deutlich von dem zwischen index- und seronegativen Kontakten (Abb. S2b, c), was darauf hindeutet, dass das Alter ein wesentlicher Risikofaktor im Zusammenhang mit der Übertragung von SARS-CoV-2 sein könnte. Wir haben daher das Alter als Risikofaktor weiter untersucht, indem wir Altersvariablen, die die Infektiosität und Anfälligkeit modulieren, in die kettenbinomialen Haushaltsübertragungsmodelle einbezogen haben.

Das an serologische Daten angepasste kettenbinomiale Haushaltsübertragungsmodell deutete auf mehrere Risikofaktoren hin, die mit der Übertragung von SARS-CoV-2 im Haushalt verbunden sind. Wir fanden heraus, dass die Einbeziehung der kumulativen Inzidenzrate in Costa Rica als Koeffizient für das gemeinschaftliche Infektionsrisiko die Anpassung des Modells verbesserte (Tabelle S1 Modell 1 vs. Modell 0), was darauf hindeutet, dass das gemeinschaftliche Infektionsrisiko mit der Intensität der SARS-CoV-2-Zirkulation außerhalb des Haushalts korreliert. Wir fanden heraus, dass Personen mit asymptomatischem Index genauso wahrscheinlich SARS-CoV-2 übertragen wie Fälle mit symptomatischem Index, was auf den signifikanten Beitrag der asymptomatischen Übertragung zur Verbreitung von SARS-CoV-2 hinweist (Abb. 2a)16. Wichtig ist, dass wir herausfanden, dass Verhaltensfaktoren wesentliche Faktoren für die Übertragung im Haushalt waren: das Teilen eines Schlafzimmers mit dem Indexfall (angepasstes Quotenverhältnis, nicht teilen vs. teilen: 0,22 mit 95 %-KI (0,10–0,41)) oder die Betreuung des Indexfalls (angepasst). Odds Ratio „nicht fürsorglich vs. fürsorglich“: 0,45 mit 95 % KI 0,19–0,89) waren Risikofaktoren für die Übertragung, während der Indexfall eine Maske trug (mehr als die Hälfte der Zeit in den zwei Wochen nach der Diagnose, angepasstes Odds Ratio 0,33 mit 95 % KI 0,09–0,75) war schützend. Das Vermeiden einer Interaktion mit dem Indexfall (<1 Stunde) innerhalb von zwei Wochen nach seiner/ihrer Diagnose würde das Risiko um 45 % reduzieren (angepasstes Odds Ratio vs. >1 Stunde: 0,55 mit 95 %-KI: 0,34). –0,86). Interessanterweise hatte die Frage, ob Haushaltsmitglieder bei der Interaktion mit dem Indexfall eine Maske trugen oder nicht, keinen signifikanten Einfluss auf das Infektionsrisiko. Unser Modell legt nahe, dass die Anzahl der Haushaltskontakte einen starken negativen Zusammenhang mit dem Risiko pro Kontakt hatte der SARS-CoV-2-Übertragung: Eine Verdoppelung der Kontaktzahlen verringert das Übertragungsrisiko pro Kontakt um 74 % (95 %-KI: 67–79 %). Darüber hinaus war das Geschlecht weder signifikant mit der SARS-CoV-2-Anfälligkeit noch der Infektiosität verbunden. Wir beobachteten keinen signifikanten Zusammenhang zwischen dem Alter des Indexfalls und der SARS-CoV-2-Infektiosität, stellten jedoch einen signifikanten Zusammenhang zwischen dem Alter des Haushaltsmitglieds und der SARS-CoV-2-Anfälligkeit fest: Kinder unter 12 Jahren waren deutlich häufiger betroffen im Vergleich zur Altersgruppe 40–59 infiziert sein (OR 1,57, 95 %-KI: 1,08–2,28), während alle anderen Altersgruppen deutlich weniger anfällig waren (Abb. 2a).

a Geschätzte Quotenverhältnisse (bereinigt) der Übertragungsrisikofaktoren, angepasst an 304 Indexfälle und ihre 719 Kontakte. Durchgezogene Punkte und horizontale Linien stellen Punktschätzungen und 95 %-Konfidenzintervalle dar. Kreise stellen die Referenzklasse dar. b Grundlegende Übertragungsrisiken durch den Indexfall und seropositive Haushaltsmitglieder sowie grundlegende Risiken einer Infektion durch die Gemeinschaft. c–f Verteilung (Histogramm) des modellprojektierten gemeinschaftlichen Infektionsrisikos und der sekundären Angriffsrate der Haushalte unter den Studienteilnehmern. c Verteilung der kumulativen gemeinschaftlichen Infektionsrisiken* d Verteilung der sekundären Angriffsrate, die seropositiven Haushaltsmitgliedern zuzuschreiben ist, die nicht die Indexfälle sind. e Verteilung der sekundären Angriffsrate, die dem Indexfall zuzuschreiben ist. f Verteilung der Sekundärangriffsrate nach Indexfall in einem kontrafaktischen Szenario, in dem nach Diagnose des Indexfalls keine vorbeugenden Maßnahmen (PM) ergriffen wurden. g Verteilung der sekundären Angriffsrate durch den Indexfall in einem kontrafaktischen Szenario, in dem alle vorbeugenden Maßnahmen (PM) nach der Diagnose des Indexfalls ergriffen wurden. (*Alle Ergebnisse stammen vom Modell mit der besten Anpassung an die Daten: Modell 15, Tabelle S1).

Unter Verwendung der am besten passenden Schätzung des Kettenbinomialmodells haben wir die Verteilung des Infektionsrisikos in der Gemeinschaft sowie die sekundäre Angriffsrate der Haushalte über alle Kohortenteilnehmer projiziert. Wir schätzten, dass das durchschnittliche kumulative Infektionsrisiko in der Gemeinschaft während des Untersuchungszeitraums bei 19 % (95 %-KI: 14–26 %, Abb. 2c) lag und damit niedriger war als die sekundäre Angriffsrate im Haushalt, die auf seropositive Haushaltsmitglieder zurückzuführen ist (34 %; 95 %). CI 5–75 %, Abb. 2d). Interessanterweise betrug die durchschnittliche prognostizierte Sekundärangriffsrate des Indexfalls 18 % (95 %-KI 1–74 %), was weniger als die Hälfte der Sekundärangriffsrate auf seropositive Haushaltsmitglieder zurückzuführen ist (Abb. 2e). Dieser Befund erklärt sich aus der Tatsache, dass ein erheblicher Teil der Kohortenpopulation nach der Diagnose des Indexfalls Schutzmaßnahmen ergriffen hat, die sich als wirksam bei der Reduzierung der Übertragung erwiesen haben, einschließlich der Vermeidung der gemeinsamen Nutzung eines Schlafzimmers, der Reduzierung von Interaktionen außerhalb des Schlafzimmers und des Tragens von Masken (Tabelle 1). Wir fanden außerdem heraus, dass 30 % der Indexfälle die Quelle für die Weiterübertragung von 80 % aller Sekundärfälle waren, was auf eine hohe Übertragungsheterogenität hinweist (Abb. 2e).

Wir projizierten außerdem ein hypothetisches Szenario, in dem die Kohortenpopulation keine präventiven Verhaltensmaßnahmen ergriff (alle Haushaltsmitglieder teilten sich ein Schlafzimmer mit dem Indexpatienten, interagierten mehr als 10 Stunden außerhalb des Schlafzimmers mit dem Indexpatienten, kümmerten sich um den Indexpatienten, der dies tat). die meiste Zeit keine Maske tragen). Die prognostizierte Sekundärangriffsrate des Indexfalls betrug 36 % (95 %-KI 5–81 %), vergleichbar mit der Sekundärangriffsrate, die auf seropositive Haushaltsmitglieder zurückzuführen ist (Abb. 2f). In diesem Fall wäre die Übertragungsheterogenität stark verringert (Abb. 2g), wobei 58 % der Indexfälle die Quelle für 80 % der Weiterübertragung wären, was darauf hindeutet, dass Unterschiede in der Annahme präventiver Verhaltensmaßnahmen die Hauptursachen für die beobachtete Übertragung der Indexfälle waren Heterogenität. Wenn dagegen alle verhaltensbedingten Risikofaktoren vermieden und präventive Maßnahmen ergriffen würden, könnte die Sekundärangriffsrate durch den Indexfall auf 5 % (95 %-KI: 0–20 %) gesenkt werden. Wir führten außerdem eine Sensitivitätsanalyse der Bootstrapping-Schätzungen auf Haushaltsebene durch und kontrollierten dabei die gemeinsame Verteilung der Haushaltsgröße und Alterskategorie (Tabelle 1), des Geschlechts und des Diagnosemonats der Indexfälle (ausführlich in, um potenzielle Haushaltsclustereffekte zu berücksichtigen). (Abb. S4). Die Bootstrapping-Konfidenzintervalle (Abb. S4) sind breiter als die auf Wahrscheinlichkeitsverhältnissen basierenden Konfidenzintervalle (Abb. 2a), mit den Auswirkungen des Tragens einer Indexfallmaske und der Dauer der Interaktion außerhalb des Schlafzimmers (mit Indexfall). statistisch nicht signifikant werden. Wir haben auch eine Sensitivitätsanalyse durchgeführt, bei der Haushalte mit entweder einem Indexfall oder Haushaltsmitglieder, die vor oder während der Studie eine Impfung erhalten hatten, ausgeschlossen wurden, wie in Abb. S5 dargestellt. Die Ergebnisse ähneln weiterhin den in Abb. gezeigten Hauptergebnissen .2a, wobei die Auswirkungen der Interaktionsdauer außerhalb des Schlafzimmers (mit Indexfall) statistisch nicht signifikant werden.

Wir untersuchten das Vorhandensein von vierzehn COVID-19-bezogenen Symptomen unabhängig vom Serostatus. Die Prävalenz jedes Symptoms ist in Abb. 3a dargestellt, zusammen mit dem relativen Risiko beim Vergleich von seropositiven mit seronegativen Kontakten in Abb. 3b. Insgesamt war die Prävalenz für alle 14 Symptome bei seropositiven Personen signifikant höher als bei denen, die seronegativ waren (Relatives Risiko (RR) > 2, p < 0,01 für alle 14 Symptome). Bei Symptomen mit einer Prävalenz von mehr als 20 % bei seropositiven Personen Geruchsverlust (RR = 5,5, 95 %-KI 5,0–6,0) und Geschmacksverlust (RR = 4,7, 95 %-KI 4,4–5,0) waren die prädiktivsten Faktoren für eine SARS-CoV-2-Infektion. Bei 70 Prozent der seropositiven Personen war dies der Fall mindestens ein Symptom, während nur 29 % der seronegativen Personen mindestens ein Symptom meldeten (Abb. 3c). Die logistische Regression (Abb. 3d) des Vorliegens mindestens eines Symptoms gegenüber einem Indikator für Seropositivität ergab ein angepasstes Odds Ratio von 9,2 (95). % KI 4,6–18,5, p < 0,001). Allerdings unterschied sich die Prävalenz der Symptompräsentation bei seropositiven Personen je nach Alter deutlich: Bei Personen im Alter von 0–12 und 13–24 Jahren war die Wahrscheinlichkeit, symptomatisch zu sein, um 72 % bzw. 69 % geringer (OR). 0,28 mit 95 %-KI 0,1–0,77 bzw. 0,31 mit 95 %-KI 0,11–0,85, p < 0,05 für beide) im Vergleich zu Personen im Alter von 40–59 Jahren.

a Prävalenz der Symptome sowohl bei seropositiven (roter Balken) als auch bei seronegativen Personen (grüner Balken). b Das relative Risiko des Auftretens von Symptomen bei seropositiven gegenüber seronegativen Personen. Panel b hat die gleiche y-Achse wie Panel a. Punkte und horizontale Linien stellen eine Punktschätzung und ein 95 %-Konfidenzintervall dar, basierend auf den Symptomdarstellungen von 719 Haushaltskontakten. c Die Prävalenz von Symptomen nach Symptomhäufigkeit (Asym. bezeichnet asymptomatische Personen, 1–3 bezeichnet Personen mit 1–3 aller in a aufgeführten Symptome, 4–6 bezeichnet Personen mit 4–6 aller in a aufgeführten Symptome und 7+ bezeichnet Personen mit 1–3 aller in a aufgeführten Symptome mehr als 7 Symptome, die in a aufgeführt sind. bezeichnet die Altersabhängigkeit der Symptomatik bei seronegativen Personen; Alter (Sero + ) bezeichnet die Altersabhängigkeit der Symptomatik bei seropositiven Personen. Punkte und horizontale Linien stellen Punktschätzung und 95 %-Konfidenzintervall dar, basierend auf den Symptomdarstellungen von 719 Haushaltskontakten.

Durch die Anpassung von Übertragungsmodellen an serologische Haushaltsdaten erhielten wir Schätzungen sowohl für sekundäre Angriffsraten als auch für die Übertragung durch die Gemeinschaft und identifizierten wichtige Verhaltensmaßnahmen zur Verhinderung der Übertragung im Haushalt in der Zeit vor der Impfung und vor der Immunfluchtvariante. Obwohl in Lateinamerika Seroprävalenz- und Haushaltsstudien durchgeführt wurden17,18, ist unsere Studie die erste, die sowohl die sekundäre Angriffsrate in Haushalten als auch die Infektionsraten in der Gemeinde schätzt und spezifische umsetzbare Präventionsmaßnahmen ermittelt. Diese Arbeit erweitert unser Wissen über die Übertragung von SARS-CoV-2 in Ländern mit mittlerem Einkommen in Lateinamerika und erweitert unser Verständnis der Übertragung in einer Vielzahl von Umgebungen.

Ein Highlight unserer Studie ist, dass sie reale Beweise dafür liefert, dass vorbeugende Maßnahmen innerhalb des Haushalts, wie z. B. Schlafarrangements und die Reduzierung von Kontakten außerhalb des Schlafzimmers sowie von Haushaltsmitgliedern und infizierten Personen, die Masken tragen, signifikant mit der Reduzierung des Risikos verbunden waren SARS-CoV-2-Übertragung im Haushalt. Interessanterweise deuten unsere Erkenntnisse darauf hin, dass das Tragen von Masken durch den Indexfall als „Quellenkontrolle“ wirksam ist. Eine kürzlich während der Omicron-Welle in vier Gerichtsbarkeiten in den Vereinigten Staaten durchgeführte Haushaltsstudie ergab ebenfalls, dass die Angriffsraten bei Indexfällen, die isoliert waren oder eine Maske trugen, deutlich niedriger waren1. Unsere Studie unterstreicht die Bedeutung nicht-pharmazeutischer Interventionen zur Verringerung des Infektionsrisikos und der Krankheitslast im häuslichen Umfeld, insbesondere wenn Impfstoffe nicht weit verbreitet sind oder die Übertragung nicht wirksam verhindern können.

Unsere Studie ergab, dass Kinder unter 12 Jahren häufiger infiziert sind. Das Alter als Risikofaktor für Anfälligkeit und Übertragbarkeit wurde in zahlreichen Umgebungen und mit unterschiedlichen Designs untersucht; Der Einfluss des Alters hängt stark von den altersspezifischen Kontaktraten ab und lässt sich daher nur schwer von biologischen Effekten trennen19. Tatsächlich wurde in mehreren Studien eine verringerte Anfälligkeit für SARS-CoV-2 bei Kindern beobachtet, die sich von unserem Befund unterscheidet2,20,21,22. Die erhöhte Anfälligkeit der Altersgruppe unter 12 Jahren in unserer Studie könnte eine Funktion von Verhaltensfaktoren sein, insbesondere der Zeit, die sie zu Hause verbringen, da Kinder in dieser Altersgruppe eher unter der Aufsicht eines Erwachsenen zu Hause bleiben und daher einem höheren Risiko ausgesetzt sind und Übertragung zu Hause durch erwachsene Kontakte.

Unsere Studie ist insofern einzigartig, als sowohl seropositive als auch seronegative Personen zum Zeitpunkt der Diagnose des Indexfalls vor der Entnahme der Serumprobe nach ihrem Symptombild befragt wurden. Die seronegativen Personen dienten als Kontrollgruppe zur Beurteilung der Symptomprävalenz in nicht infizierten Populationen, da viele der COVID-19-bedingten Symptome unspezifisch sind. Unsere Ergebnisse bestätigen die hohe Rate asymptomatischer Infektionen in der jüngeren Bevölkerung und identifizierten Geschmacks- und Geruchsverlust als hochspezifisch für SARS-CoV-2 in der Zeit vor Omicron.

Um die Bedeutung der Haushaltsgröße und der Kontakte weiter zu untersuchen, haben wir Modelle ausprobiert, die logarithmische und lineare Beziehungen für die Anzahl der Haushaltskontakte annehmen, und haben festgestellt, dass das logarithmische Modell am besten abschneidet (Tabelle S1, Modell 7 vs. Modell 8). Dies deutet auf eine Potenzgesetzbeziehung zwischen der Sekundärangriffsrate im Haushalt und der Anzahl der Haushaltskontakte n hin, d. h.: \({SAR}\propto {n}^{-\gamma }\), wobei γ = 1,7 von unserem Modell geschätzt wurde. Wir fanden heraus, dass die sekundäre Angriffsrate im Haushalt abnahm, wenn die Haushaltsgröße zunahm, und dass eine Potenzgesetzbeziehung die sekundäre Angriffsrate im Haushalt mit der Anzahl der Haushaltskontakte n verknüpfte

und γ = 1,7. Dies könnte auf eine Verwässerung der Haushaltsinteraktionsintensität pro Haushaltskontakt zurückzuführen sein, wodurch eine Person in einem großen Haushalt mehr Haushaltsmitglieder für Interaktionen hat als in einem kleinen Haushalt und daher weniger dazu neigt, mit dem Indexfall zu interagieren.

Das Kettenbinomialmodell legte nahe, dass die Verteilung der sekundären Angriffsrate durch den Indexfall sehr heterogen ist, wobei 30 % der Indexfälle die Quelle für die Weiterübertragung von 80 % aller sekundären Fälle sind (Abb. 2e). Diese Heterogenität wurde hauptsächlich durch die teilweise Umsetzung der Präventionsmaßnahmen verursacht. Im hypothetischen Szenario ohne präventive Maßnahmen (Abb. 2f) wäre die Übertragungsheterogenität deutlich geringer, da 6 % der Indexfälle die Quelle für 80 % der Weiterübertragung wären. Dies deutet darauf hin, dass Unterschiede bei der Annahme vorbeugender Maßnahmen zu den beobachteten Heterogenitäten in den SARS-CoV-2-Übertragungsketten beitragen2,23. Der Vergleich der Sekundärangriffsraten zwischen Studien wird durch Unterschiede im Studiendesign, einschließlich der Infektionsermittlung sowie der Nachverfolgung und Ansätzen für SARS-CoV-2-Antigen- oder Antikörpertests, eingeschränkt. Allerdings ist unsere Sekundärangriffsrate etwas höher als der SAR-Wert von 23,9 %, der in einer großen Haushaltskohorte in Südafrika von Juli 2020 bis August 20214 beobachtet wurde, und niedriger als der in Haushaltsstudien in den Vereinigten Staaten ermittelte SAR-Wert von 61 % für Alpha-Varianten und 55 % für Nicht-Alpha-Varianten3.

Unsere Studie weist mehrere Einschränkungen auf. Erstens waren Fragebögen zu Verhaltensfaktoren (Teilen eines Schlafzimmers, Interaktion außerhalb des Schlafzimmers und Pflege des Indexfalls) nur auf die Interaktion zwischen der Indexperson und jedem Haushaltsmitglied ausgerichtet. Wir konnten nicht bewerten, wie sich die Interaktionen zwischen (nicht im Index enthaltenen) Haushaltsmitgliedern auf die Übertragung auswirken. Zweitens konnten wir nicht beurteilen, wie sich Unterschiede in der Dauer und Intensität der Virusausscheidung bei infizierten Personen möglicherweise auf die Übertragung auswirken könnten, da wir keine Atemwegsproben von den Teilnehmern gesammelt haben. Insbesondere eine aktuelle Studie aus Südafrika hat gezeigt, wie wichtig die Viruslast und die Viruskinetik für die Übertragung von SARS-CoV-2 im Haushalt sind24. Darüber hinaus lagen uns nur das SASR-CoV-2-Diagnosedatum des Indexfalls vor, sodass der genaue Zeitpunkt der Infektion des Indexfalls ungewiss blieb. Wir haben auch keine Lüftungsparameter für Haushalte bewertet, die sich auf das SARS-CoV-2-Übertragungsrisiko in geschlossenen Räumen auswirken könnten25. Eine weitere Einschränkung besteht darin, dass unsere Studie auf selbst gemeldeten Daten beruhte und die Daten daher Erinnerungs- und/oder sozialen Erwünschtheitsverzerrungen unterlagen. Schließlich stammen diese Schätzungen aus der ersten Welle und sind möglicherweise nicht auf spätere Epidemiewellen mit übertragbareren Varianten oder Immunfluchtvarianten übertragbar. Diese Schätzungen dienen jedoch als Grundlage für zukünftige Studien, und unsere Ergebnisse zur Haushaltsprävention sind mit denen in den USA während der Omicron-Welle vergleichbar, was auf die Generalisierbarkeit der Ergebnisse hindeutet. Zusammenfassend weist unsere Studie aus einem Land mit mittlerem Einkommen in Lateinamerika auf relativ einfache Präventivmaßnahmen zur Begrenzung der Übertragung in Haushalten hin und legt nahe, dass einfache Verhaltensmechanismen die weit verbreitete Heterogenität der Übertragung von SARS-CoV-2 erklären können.

Die Ermittler freuen sich über Anfragen zu möglichen Kooperationen und Anträge auf Zugang zum Datensatz. Bei Bedarf können anonymisierte Datensätze nach Genehmigung eines Vorschlags und Unterzeichnung einer Datennutzungsvereinbarung weitergegeben werden. Alle Vorschläge zur Nutzung der Daten und damit verbundenen Datennutzungsvereinbarungen werden von einem Datenzugriffsausschuss genehmigt, dem leitende Forscher des Nationalen Instituts für Allergien und Infektionskrankheiten (NIAID), der National Institutes of Health (NIH) und der costa-ricanischen Agentur für Biomedizin angehören Forschung (Agencia Costarricense de Investigaciones Biomédicas (ACIB) – Fundación INCIENSA (FUNIN)) und die Caja Costaricense de Seguridad Social (CCSS). Forscher, die an weiteren Details zu dieser Studie interessiert sind, einschließlich Protokollen, Einverständniserklärungen und Datennutzungsvereinbarung, sollten sich an den Hauptforscher und die korrespondierende Autorin, D. Rebecca Prevots ([email protected]), wenden. Quelldaten zur Reproduktion der Zahlen sind verfügbar unter26 https://doi.org/10.5281/zenodo.7793795.

Code zur Reproduktion der Zahlen ist verfügbar unter26 https://doi.org/10.5281/zenodo.7793795.

Baker, JM et al. Übertragung der Variante SARS-CoV-2 B.1.1.529 (Omicron) innerhalb von Haushalten – vier US-Gerichtsbarkeiten, November 2021 – Februar 2022. MMWR Morb. Mortal Wkly. Rep. 71, 341–346 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Sun, K. et al. Übertragungsheterogenitäten, Kinetik und Kontrollierbarkeit von SARS-CoV-2. Wissenschaft 371. https://doi.org/10.1126/science.abe2424 (2021).

Donnelly, MAP et al. Haushaltsübertragung der SARS-CoV-2-Alpha-Variante – USA, 2021. Clin. Infizieren. Dis. Online veröffentlicht im Februar: https://doi.org/10.1093/cid/ciac125 (2022).

Cohen, C. et al. SARS-CoV-2-Inzidenz, Übertragung und Reinfektion in einem ländlichen und städtischen Umfeld: Ergebnisse der PHIRST-C-Kohortenstudie, Südafrika, 2020–2021. Lanzetteninfektion. Dis. März online veröffentlicht. https://doi.org/10.1016/S1473-3099(22)00069-X (2022).

Bi, Q. et al. Einblicke in die Übertragung von SARS-CoV-2 in Haushalten aus einer bevölkerungsbasierten serologischen Umfrage. Nat. Komm. 12, 3643 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Madewell, ZJ, Yang, Y., Longini, IM Jr, Halloran, ME & Dean, NE Sekundäre Angriffsraten von SARS-CoV-2 im Haushalt nach Variante und Impfstatus: eine aktualisierte systematische Überprüfung und Metaanalyse. JAMA Netw. Öffnen Sie 5, e229317 (2022).

Artikel PubMed PubMed Central Google Scholar

CDC. Quarantäne und Isolation. Zentren für Krankheitskontrolle und Prävention. 2022; Mai online veröffentlicht. https://www.cdc.gov/coronavirus/2019-ncov/your-health/quarantine-isolation.html (abgerufen am 11. Mai 2022).

Nationale Richtlinien zur Überwachung einer Coronavirus-Infektion (2019-nCoV). Gesundheitsministerium Costa Rica. https://www.ministeriodesalud.go.cr/index.php/vigilancia-de-la-salud/41-lineamientos-coronavirus/134-lineamientos-nacionales-para-la-vigilancia-de-la-infeccion-por- Coronavirus-2019-ncov (abgerufen am 20. Juni 2022).

Fantin, R. et al. Abschätzung der Wirksamkeit des Impfstoffs gegen SARS-CoV-2-Infektionen, Krankenhausaufenthalte und Todesfälle anhand ökologischer Daten in Costa Rica. BMC Infect Dis. 22, 767 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Burbelo, PD et al. Sensitivität beim Nachweis von Antikörpern gegen Nukleokapsid- und Spike-Proteine ​​des schweren akuten respiratorischen Syndroms Coronavirus 2 bei Patienten mit Coronavirus-Krankheit 2019. J. Infect. Dis. 222, 206–213 (2020).

Artikel CAS PubMed Google Scholar

Farhat, Z. et al. Reproduzierbarkeit, zeitliche Variabilität und Konkordanz von Serum- und Stuhlgallensäuren sowie kurzkettigen Fettsäuren in einer bevölkerungsbasierten Studie. Krebs-Epidemiol. Biomarker Vorher. 30, 1875–1883 ​​(2021).

Artikel CAS PubMed PubMed Central Google Scholar

Longini, IM Jr., Koopman, JS, Monto, AS & Fox, JP Schätzung der Übertragungsparameter für Influenza in Haushalten und Gemeinden. Bin. J. Epidemiol. 115, 736–751 (1982).

Artikel PubMed Google Scholar

Gordon, A. et al. Dynamik der Influenza-Übertragung in städtischen Haushalten, Managua, Nicaragua, 2012–2014. Emerg. Dis infizieren. 24, 1882–1888 (2018).

Mossong, J. et al. Soziale Kontakte und Vermischungsmuster, die für die Ausbreitung von Infektionskrankheiten relevant sind. PLoS Med. 5, e74 (2008).

Artikel PubMed PubMed Central Google Scholar

Mistry, D. et al. Ableitung hochauflösender menschlicher Mischmuster zur Krankheitsmodellierung. Nat. Komm. 12, 323 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Buitrago-Garcia, D. et al. Vorkommen und Übertragungspotenzial asymptomatischer und präsymptomatischer SARS-CoV-2-Infektionen: eine lebendige systematische Überprüfung und Metaanalyse. PLoS Med. 17, e1003346 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

González, F. et al. Seroepidemiologie von SARS-CoV-2-Infektionen in einer städtischen bevölkerungsbasierten Kohorte in León, Nicaragua. Epidemiol. Infizieren. 149, e247 (2021).

Artikel PubMed Google Scholar

Maier, HE et al. Klinisches Spektrum der SARS-CoV-2-Infektion und Schutz vor symptomatischer Reinfektion. Klin. Infizieren. Dis. Online veröffentlicht im August: https://doi.org/10.1093/cid/ciab717 (2021).

Wang, X., Han, Q. & Kong, JD Untersuchung der gemischten Übertragung in einer Gemeinschaft mit Altersheterogenität: COVID-19 als Fallstudie. Infizieren. Dis. Modell 7, 250–260 (2022).

PubMed PubMed Central Google Scholar

Davies, NG et al. Altersabhängige Effekte bei der Übertragung und Bekämpfung von COVID-19-Epidemien. Nat. Med. 26, 1205–1211 (2020).

Artikel CAS PubMed Google Scholar

Dattner, I. et al. Die Rolle von Kindern bei der Verbreitung von COVID-19: Verwendung von Haushaltsdaten aus Bnei Brak, Israel, um die relative Anfälligkeit und Infektiosität von Kindern abzuschätzen. PLoS Comput. Biol. 17, e1008559 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Toh, ZQ et al. Vergleich der Serokonversion bei Kindern und Erwachsenen mit mildem COVID-19. JAMA Netw. Offen 5, e221313 (2022).

Artikel PubMed PubMed Central Google Scholar

Endo, A. Arbeitsgruppe „Center for the Mathematical Modelling of Infectious Diseases COVID-19“, Abbott, S., Kucharski, AJ, Funk, S. Schätzung der Überdispersion der COVID-19-Übertragung anhand von Ausbruchsgrößen außerhalb Chinas. Willkommen, Open Res. 5, 67 (2020).

Sun, K. et al. SARS-CoV-2-Übertragung, Fortbestehen der Immunität und Schätzungen der Auswirkungen von Omicron auf südafrikanische Bevölkerungskohorten. Wissenschaft. Übers. Med. 14, eabo7081 (2022).

Wang, CC et al. Übertragung von Atemwegsviren über die Luft. Wissenschaft 373. https://doi.org/10.1126/science.abd9149 (2021).

Sun, K. Daten und Code für „Verhaltensfaktoren und SARS-CoV-2-Übertragungsheterogenität innerhalb einer Haushaltskohorte in Costa Rica.“ https://doi.org/10.5281/zenodo.7793795 (2023).

Referenzen herunterladen

Diese Arbeit wurde durch die intramuralen Forschungsprogramme von NIAID, NIDCR, NCI und vom FIC unterstützt. Wir möchten allen Teilnehmern dieser Studie danken. Wir danken auch Dr. Aimee Kreimer für ihre Unterstützung bei der Umsetzung dieser Studie. Die Ergebnisse und Schlussfolgerungen in diesem Bericht stammen von den Autoren und geben nicht unbedingt die offizielle Position des NIH wieder.

Open-Access-Förderung durch die National Institutes of Health (NIH).

Abteilung für internationale Epidemiologie und Bevölkerungsstudien, Fogarty International Center, National Institutes of Health (NIH), Bethesda, MD, USA

Kaiyuan Sun & Cecile Viboud

Costa Rican Agency for Biomedical Research (ACIB) – INCIENSA Foundation (FUNIN), San José, Costa Rica

Viviana Loria, Carolina Porras, Juan Carlos Vanegas, Michael Zúñiga, Carlos Avila, Rolando Herrero, Bernal Cortés, Viviana Loría und Rebecca Ocampo

Costa Ricanischer Sozialversicherungsfonds, San José, Costa Rica

Amada Aparicio, Melvin Morera, Arturo Abdelnour, Amada Aparicio, Karla Moreno, Roy Wong, Melvin Morera, Arturo Abdelnour, Alejandro Calderón, Kattia Camacho, Gabriela Ivankovich und Adriana Yock

Abteilung für Krebsepidemiologie und Genetik, National Cancer Institute, NIH, Bethesda, MD, USA

Mitchell H. Gail, Ruth Pfeiffer und Allan Hildesheim

Labor für Infektionskrankheiten, Nationales Institut für Allergien und Infektionskrankheiten (NIAID), NIH, Bethesda, MD, USA

Jeffrey I. Cohen

National Institute of Dental and Craniofacial Research, NIH, Bethesda, MD, USA

Peter D. Burbelo & Mehdi A. Abed

Abteilung für Epidemiologie und Bevölkerungsstudien, Labor für klinische Immunologie und Mikrobiologie, Abteilung für intramurale Forschung, NIAID, NIH, Bethesda, MD, USA

D. Rebecca Prevots

Gesundheitsministerium, San José, Costa Rica

Roberto Castro

Universität von Costa Rica (UCR), San José, Costa Rica

Cristina Barboza-Solis & Romain Fantin

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

DRP: Studienkonzeption, Studiendesign, Datenanalyse, Manuskripterstellung. KS: Datenanalyse, Verfassen von Manuskripten, Überprüfung der zugrunde liegenden Daten. VL, AA, CP, JCV, MZ, MM, CA, AA, AH, RH – Studiendesign, Datenerfassung, Datenanalyse, Überarbeitung des Manuskripts. VL, JCV – verifizierte zugrunde liegende Daten. MHG, RP, CV – Studiendesign, Datenanalyse, Manuskriptüberarbeitung. JIC, PDB, MAA – serologische Tests, Datenanalyse, Manuskriptrevision.

Korrespondenz mit Kaiyuan Sun oder D. Rebecca Prevots.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Communications Medicine dankt den anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Sun, K., Loria, V., Aparicio, A. et al. Verhaltensfaktoren und SARS-CoV-2-Übertragungsheterogenität innerhalb einer Haushaltskohorte in Costa Rica. Commun Med 3, 102 (2023). https://doi.org/10.1038/s43856-023-00325-6

Zitat herunterladen

Eingegangen: 20. September 2022

Angenommen: 21. Juni 2023

Veröffentlicht: 22. Juli 2023

DOI: https://doi.org/10.1038/s43856-023-00325-6

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt