跳过主要内容

soccrates - comix:在20多个欧洲国家COVID-19激增期间和期间提供及时和开放源代码的接触数据的平台

抽象的

背景

SARS-CoV-2的动态是由人类行为驱动的。在密切接触感染的传播模型中,社会接触数据至关重要。

方法

通过在线有代表性的成人小组报告自己的行为,以及父母报告子女的行为,我们收集了20多个欧洲国家COVID-19大流行不同阶段的接触混合(CoMix)行为。

我们使用在线平台提供这些及时的重复观察:苏格拉底康。除了向研究人员提供清洁的数据集外,平台还允许用户提取可通过年龄,日期类型,接触和性别的强度分层的接触矩阵。这些观察结果提供了对建议或强加社会距离措施对联系人的相对影响的见解,并可以在流行病上提供数学模型。

结论

这些数据为决策者提供了在疫苗推出期间平衡非药物干预措施,经济活动,心理健康和福祉的基本信息。

同行评审报告

背景

建立由人类行为影响的流行病模型

自2019年12月爆发以来,SARS-CoV-2的动态一直受到人类行为的影响[狗万3.0c].出于这个原因,决策者的应对措施主要集中在限制COVID-19负担和防止卫生系统崩溃的社会距离措施[狗万3.0c狗万3.0c]。在大部分人口成功接种疫苗之前,这些旨在降低社会有效接触率的措施可能仍将是决策者战略的一部分。

在文献中广泛承认,在文献中被广泛承认,在传输模型中包括社会联系信息的重要性,“社会接触假设”[狗万3.0c]及POLYMOD研究[狗万3.0c标志着这类模型的开发和参数化过程中的重要里程碑。在过去的几十年里,社会接触数据在密切接触感染的传播模型中得到越来越多的使用和收集。2019年的一项系统综述检索了64项社会接触研究,报告了日常面对面对话接触人数(通常约为10至20人)和一般年龄依赖性方面的共同特征,尽管有各种研究设计[狗万3.0c].

社会接触模式数据对于模拟SARS-CoV-2传播是必不可少的[狗万3.0c狗万3.0c].实际上,许多SARS-COV-2建模研究能够通过依赖于社交联系数据准确且一致地预测各种流行病学参数[狗万3.0c狗万3.0c].Davies等人将英格兰从血清流行率和病毒学数据估计的繁殖数量与从社会接触数据估计的繁殖数量进行了比较,进一步验证了在SARS-CoV-2模型中使用社会接触数据[狗万3.0c].Yet, adequate parameterization of such models requires country-specific social contact data collected under different policy interventions (e.g. lockdown versus no lockdown) and at different stages of the pandemic (e.g. in-between surges and during various ascending and descending stages of the pandemic).

结构和内容

COMIX:在Covid-19流行期间测量行为变化

CoMix是一项纵向的多国社会接触调查,调查对象是具有代表性的个人小组,包括年龄、性别、居住地区以及大多数国家的社会经济地位、职业或教育程度。CoMix研究始于2020年3月,调查数据首先在英国、比利时和荷兰收集。它的设立是为了监测大流行期间的认识和行为变化。每一波,小组成员都被邀请填写CoMix调查。在调查当天,参与者回顾报告从调查前一天早上5点到调查当天早上5点之间的所有社会接触。接触被定义为至少几句话的面对面交谈或皮肤接触[狗万3.0c]。对于每个第一波,目标配额设定为1500名参与者,而对于随后的每波,辍学率允许为5%至10%(除了一些英国小组,这些小组补充了新招募的参与者,并且在调查后期的配额更高,为2500名)。如果在发出三次提醒邀请后,有很大一部分专家组成员无法跟进,则会招募额外的专家组成员,直至样本与目标配额匹配。CoMix wave指的是一个调查数据收集周期,从发送邀请时开始,一直到达到配额且调查结束时为止。我们参考了Jarvis等人和Coletti等人的工作,以了解更多的方法细节[狗万3.0c狗万3.0c].除了参与者的社会接触之外,该调查还记录了个人的风险感知,如感知到的COVID-19严重程度、感知到的COVID-19易感性以及感知到的社交距离措施的有效性。由于其纵向性质,该调查特别适合量化非药物干预(NPI)的变化和感知的变化如何随着时间的推移影响NPI的依从性和社会接触行为[121314狗万3.0c].虽然大多数数据收集的是成年人的行为,但也有一部分受访者表示,他们与孩子有过接触。这为儿童(和成人)在环境变化(如学校开放与关闭)时的社会混合行为提供了重要信息。[狗万3.0c].

2020年10月,几个欧洲国家面临Covid-19案件的激增,不得不诉诸第二次锁定。鉴于欧洲的各种政策措施[狗万3.0c]-社会接触数据在传染病模型参数化中的核心作用CoMix研究扩展到了另外17个欧洲国家。此外,我们还邀请了挪威和德国的研究团队(COVIMOD研究)加入该倡议,以建立一个合作网络,这些团队对CoMix最初的调查进行了调整[狗万3.0c狗万3.0c].图2中的地图。狗万3.0c显示了欧洲国家在CoMix研究的背景下收集的社会接触数据,或与CoMix研究相似。数字狗万3.0c概述所有国家现有和计划的调查浪潮。样本特征可以在附加文件中找到更多细节狗万3.0c:表S1至S19。我们通过Coletti等,参考工作。[狗万3.0c]以获取比利时1至8波的样本特征。

图。1
图1

欧洲地图显示Comix和Comix的地理蔓延和兼容性数据集合

图2
figure2

截至2021年7月1日在欧洲完成和预定的CoMix数据收集概况。最初CoMix国家(作为EpiPose项目的一部分)的数据收集用蓝色表示,扩展后的CoMix数据收集和与EpiPose合作伙伴合作的数据收集分别用黄色和绿色表示。颜色对应于图中地图中使用的颜色。狗万3.0c.NA:不适用,因为还没有样本统计数据。*估计数量或估计时间。**参与率定义为完成整个调查的参与者人数相对于打开调查链接的参与者人数。‡由于初始数据收集阶段的数据管理问题,益普索出于质量考虑删除了2021年第一季度芬兰、瑞士和立陶宛的部分数据。由于2021年第一季度收集的有效CoMix数据有限,目前正在收集2021年6月以后的额外数据

CoMix的数据证明在量化英国、比利时和荷兰COVID-19流行过程中社会距离措施的影响方面很有价值[狗万3.0c狗万3.0c狗万3.0c狗万3.0c狗万3.0c]而且结果符合其他正在进行的研究与不同的研究人群的社会接触模式[狗万3.0c].因此,CoMix研究的扩展提供了更准确地评估17个欧洲国家内部和其他国家政策的机会。

从20多个欧洲国家获取社会联系率的开源平台(苏格拉底)

典型的CoMix数据流如图所示。狗万3.0c然而,与这一方案存在偏差。数据流始于CoMix调查问卷的“主”版本,该调查问卷在英国大流行早期(2020年3月24日)制定和实施。与每个国家的当地合作伙伴合作,问卷根据各国的情况和语言进行调整,然后由市场研究公司进行实地调查。CoMix数据根据数据管理协议进行清理和验证,详细信息和代码可在GitHub存储库中找到[狗万3.0c].在数据清洁后,存储数据并准备用于在公共Zenodo的存储库中共享(可访问的:www.socialcontactdata.org/data)以及Comix-Socrates工具。此外,我们邀请了执行Comix的调查的合作伙伴(图。狗万3.0c)也可以将其数据存储在公共存储库中。对CoMix数据进行分析,以获得国家和国际层面的见解,并将其转化为卫生决策者的建议。CoMix研究方案和调查问卷已获当地伦理委员会批准或获得豁免,详情可在附加文件中找到狗万3.0c:表S20。

图3.
图3

CoMix研究中不同步骤的示意图概述。该图反映了大多数欧洲国家的典型数据流,但在一些国家与该方案存在偏差。缩写:LSHTM,伦敦卫生与热带医学学院;UHasselt特大学;EpiPose,疫情情报,最大限度地减少COVID-19对公共卫生、社会和经济的影响。益普索是一家商业市场研究公司

效用和讨论

SOCRATES-CoMix平台的有用性和局限性

如Willem等人所述。[狗万3.0c]苏格拉底工具允许用户通过国家和调查波提取联系矩阵和联系率。虽然初始工具提供了来自国家和年度各种联系人研究的联系率,但新开发的Socrates-Comix工具侧重于SARS-COV-2大流行期间收集的联系率。苏克拉斯 - Comix工具允许按年龄(用户采用年龄组)的分层,日期类型(周与周末),联系的强度(物理与非物理)和性别(见图。狗万3.0c).其他特征如缺失数据的年龄和处理提供最终用户有机会匹配提取到其型号要求的社交联系数据。我们指的是Willem等人的工作。有关如何汇总这些数据的进一步方法论细节[狗万3.0c]。该平台会定期更新,并在其他Wave中添加社交联系数据。苏格拉底CoMix工具可在此处找到:http://www.socialcontactdata.org/socrates-comix/

图4.
图4.

Socrates-Comix工具的打印屏幕。该具体示例使用在比利时COMIX研究中收集的数据与四个年龄类别的数据,仅用于平日和物理接触的数据,示出了社交联系矩阵

SOCRATES平台汇集了20多个欧洲国家在SARS-CoV-2大流行期间不同时间点收集的社会接触数据。此外,SOCRATES工具提供了及时、清晰和长期的社会接触率,可以直接集成到数学模型中,同时允许简单和快速的数据分层,例如通过下拉选择菜单(图。狗万3.0c).该平台还引导研究人员到Zenodo知识库上的公共数据集。CoMix数据在评估SARS-CoV-2大流行的未来进程和设计有效的公共卫生政策方面仍将是至关重要的。例如,鉴于最佳的COVID-19疫苗推出、测试策略和逐渐不那么严格的npi [狗万3.0c].

然而,CoMix数据和SOCRATES-CoMix工具都有局限性。也就是说,CoMix数据是在一个在线环境中收集的,这样参与者只有在拥有数字设备(如个人电脑、笔记本电脑、平板电脑或智能手机)和互联网连接的情况下才能参与。这意味着CoMix针对老年群体的数据可能更容易出现选择偏差[狗万3.0c].然而,选择偏见,仍然是对其他年龄群体的关注。此外,鉴于强制性社会疏远措施和政策制定者明确地依靠公众的社会责任来保护别人的强制性社会障碍,自我完成的调查可能会易于社会渴望偏见。然而,考虑到匿名数据输入,社会期望偏差可能是最小的,而不与面试官直接接触。最后,由于受访者回顾性地报告社交联系人,可以容易召回偏差。然而,鉴于参与者报告了在调查前5点和调查当天5点之间的所有联系人,我们认为召回偏差的范围非常有限。

结论

可以用描述个人接触模式的数据加强流行病建模。为了及时了解、建模和应对COVID-19大流行,我们非常需要社会接触数据。由于病毒不会停留在一个国家境内,许多欧洲国家已经建立了数据收集系统。

可以为每个国家进行科学和政策相关的见解,但越来越多地,越野分析是可行的。结合数学模型,这些数据为政策制定者提供了见解,平衡了非药物干预措施,经济活动,心理健康和福祉,也在疫苗推出期间。

数据和材料的可用性

当前研究期间生成和/或分析的数据集可在基于zenodo的存储库中获得,www.socialcontactdata.org/data,以及CoMix Socrates工具,http://www.socialcontactdata.org/socrates-comix/

缩写

CoMix:

接触混合

英国:

英国

新产品导入:

非药剂干预

苏格拉底:

社会接触率

拿拿淋:

不适用

LSHTM:

伦敦卫生和热带医学院

Uhasselt:

哈默塞尔大学

表皮:

疫情情报,最大限度地减少COVID-19对公共卫生、社会和经济的影响

参考文献

  1. 1.

    张建军,梁艳,王永强,王伟,赵胜,等。接触模式的变化决定了中国COVID-19疫情的动态。科学。2020;368(6498):1481 - 6。https://doi.org/10.1126/science.abb8001

    CAS文章PubMedpmed中央谷歌学者

  2. 2.

    2020年3月,面临冠状病毒病(COVID-19)病例指数级增长的欧洲国家的医疗激增能力适应症。欧元Surveill。2020;25(13):2000323。https://doi.org/10.2807/1560-7917.ES.2020.25.13.2000323

    文章pmed中央谷歌学者

  3. 3.

    Willem L, Van Hoang T, Funk S, Coletti P, Beutels P, Hens N. SOCRATES:一个在线工具,利用社会联系数据共享倡议来评估COVID-19缓解策略。BMC Res Notes. 2020;13(1):1 - 8。https://doi.org/10.1186/s13104-020-05136-9.

    CAS文章谷歌学者

  4. 4.

    Wallinga J,Teunis P,Kretzschmar M.使用数据与社交联系人进行数据以估计呼吸繁殖传染性代理的年龄特异性传输参数。am j流行病。2006; 164(10):936-44。https://doi.org/10.1093/aje/kwj317

    文章PubMed谷歌学者

  5. 5.

    Mossong J,Hens N,Jit M,Beutels P,Auranen K,Mikolajczyk R等。与传染病的传播相关的社会接触和混合模式。Plos med。2008; 5(3):E74。https://doi.org/10.1371/journal.pmed.0050074

    文章PubMedpmed中央谷歌学者

  6. 6.

    Hoang T,Coletti P,Melegaro A,Wallinga J,Grijalva CG,Edmunds JW等。对社会接触调查的系统回顾,以告知密切接触感染的传播模式。流行病学。2019;30(5):723-36。https://doi.org/10.1097/良.0000000000001047.

    文章PubMedpmed中央谷歌学者

  7. 7.

    Jarvis CI, Van Zandvoort K, Gimma A, Prem K, Klepac P, Rubin GJ,等。量化物理距离措施对英国COVID-19传播的影响。BMC医学。2020;18(1):1 - 0。https://doi.org/10.1186/s12916-020-01597-8

    CAS文章谷歌学者

  8. 8.

    Liu CY, Berlin J, Kiti MC, Del Fava E, Grow A, Zagheni E, et al. .快速审查COVID-19大流行期间的社会接触模式。medRxiv。2021.03.12.21253410。https://doi.org/10.1101/2021.03.12.21253410

  9. 9。

    Coletti P, Wambua J, Gimma A, Willem L, Vercruysse S, Vanhoutte B,等。CoMix:比较封锁期间和之后比利时人口的混合模式。Sci众议员2020;10(1):1 - 0。https://doi.org/10.1038/s41598-020-78540-7

    CAS文章谷歌学者

  10. 10.

    作者等。分级限制和第二次封锁与英格兰COVID-19死亡和住院人数的关联:一项建模研究。Lancet Infect Dis. 2021;21(4): 482-92。https://doi.org/10.1016/S1473-3099(20)30984-1

    CAS文章PubMedpmed中央谷歌学者

  11. 11.

    等。英国SARS-CoV-2 B. 1.1.7谱系的估计传播力和影响科学。2021;372 (6538):eabg3055。https://doi.org/10.1126/science.abg3055

  12. 12.

    午餐JD,Jarvis CI,Gimma A,Wong KL,Van Zandvoort K,Funk S等人。使用每周联系调查数据估算重新开学学校对英格兰SARS-COV-2再现数的影响。medRxiv。2021.03.06.21252964。https://doi.org/10.1101/2021.03.06.21252964

  13. 13.

    Jarvis CI,Gimma A,Van Zandvoort K,Wong KL,Edmunds WJ。地方和国家限制对英格兰社会联系人的回应的影响:纵向自然实验。BMC MED。2021; 19(1):1-2。https://doi.org/10.1186/s12916-021-01924-7

    CAS文章谷歌学者

  14. 14

    Jarvis CI,Gimma A,Van Zandvoort K,Wong KL,Munday JD,Klepac P等人。Comix学习 - 英国的社会联系调查。伦敦:英国:传染病的数学建模中心;2020. [2011年4月6日更新;引用2021年4月7日]。可从:https://cmmid.github.io/topics/covid19/comix-reports.html.

    谷歌学者

  15. 15

    Wambua J,Hermans L,Verelst F,Willem L,Coletti P,Beutels P,Hens N.等。COMIX:比利时Covid-19大流行期间的感知和社会接触行为。技术报告。2021。

    谷歌学者

  16. 16.

    欧洲疾病预防和控制中心。各国应对COVID-19措施的数据;2021.可从:https://www.ecdc.europa.eu/en/publications-data/download-data-response-measures-covid-19

    谷歌学者

  17. 17.

    Steens A, De Blasio BF, Veneti L, Gimma A, Edmunds WJ, Van Zandvoort K, et al.;2020年4月至7月,挪威,自我报告的对covid -19相关隔离/隔离要求的遵守情况较差。欧元Surveill。2020;25(37):2001607。https://doi.org/10.2807/1560-7917.ES.2020.25.37.2001607

    CAS文章pmed中央谷歌学者

  18. 18.

    [J] . acta optica sinica, 2008, 31(1): 1 - 7。个人社会接触数据比人口流动数据更好地反映了德国第一波SARS-CoV-2传播动态——基于COVIMOD研究的分析。medRxiv。2021.03.24.21254194https://doi.org/10.1101/2021.03.24.21254194

  19. 19。

    Backer JA, Mollema L, Vos ER, Klinkenberg D, Van Der Klis FR, De Melker HE, et al.;2019冠状病毒病保持身体距离措施对接触和混合模式的影响:重复横断面调查,荷兰,2016-17年,2020年4月和2020年6月。欧元Surveill。2021;26(8):2000994。https://doi.org/10.2807/1560-7917.ES.2021.26.8.2000994

    CAS文章pmed中央谷歌学者

  20. 20。

    Jarvis CI,Gimma A,Wong KLM。comix_data_clean。GitHub。(2020)。https://github.com/jarvisc1/comix_data_clean

    谷歌学者

  21. 21.

    Leung K,JIT M,刘EH,Wu JT。与香港呼吸道传染病传播有关的社会接触模式。SCI代表2017;7(1):1—2。

    文章谷歌学者

下载参考

致谢

我们感谢参与在其国家执行CoMix研究的所有团队所作的努力。更具体地说:在奥地利:克罗地亚的奥地利国家公共卫生研究所的Andrea Schmidt小组:丹麦的克罗地亚公共卫生研究所(CIPH)的Goranka Petrović小组:爱沙尼亚的奥胡斯大学的Michael Bang Petersen小组:芬兰国家卫生发展研究所Sigrid Vorobjov团队:法国芬兰卫生和福利研究所Kari Auranen团队:希腊普瓦提埃大学医院中心Guillaume Béraud团队:匈牙利西阿提卡大学(UniWA) Elpida Pavi团队:立陶宛塞格德大学Gergely Röst团队:马耳他维尔纽斯大学Marija Jakubauskiene团队:波兰卫生部Tanya Melillo团队:葡萄牙国家公共卫生研究所的Magdalena Rosinska小组:斯洛伐克国家卫生研究所Doutor Ricardo Jorge (INSA)的Baltazar Nunes小组:斯洛文尼亚布拉迪斯拉发Comenius大学的Henrieta Hudečková小组:佩特拉Klepac的团队在国家公共卫生研究所,在西班牙:克里斯蒂娜•Vilaplana团队的健康科学研究所德国三叠系我Pujol (IGTP)承认SMA-TB项目的支持来自欧盟的地平线2020研究和创新项目赠款协议没有847762年,在意大利:的团队Daniela Paolotti ISI基金会,在瑞士:团队的伯尔尼大学的Nicola低,在德国:安德烈Karch的团队和Veronika Jaeger在明斯特大学的同事在挪威:团队Bjarne Robberstad卑尔根大学和国家健康研究所的挪威。

我们承认欧洲疾病预防和控制中心(ECDC)的支持在制定副素质联盟和大学和公共卫生机构在所有其他国家的合作。我们非常感谢表述财团,合作者和IPSOS的所有步骤中的巨大努力。我们感谢Bieke Vanhoutte用于研究管理支持使Comix成为可能。Fv和Pb认识来自安特卫普研究中心的传染病(Ascid)以及VAX-IDEALEM联盟的支持。PC和NH认可欧洲研究委员会(ERC)根据欧洲联盟的地平线2020研究和创新计划(Grant协议682540传输)。LW认识到研究基金会 - 佛兰德斯(FWO)(博士后奖学金1234620 N)。

资金

This work is funded by the EpiPose project from the European Union’s SC1-PHE-CORONAVIRUS-2020 programme, project number 101003688. We are grateful for additional funding to support CoMix or CoMix-like data collection in Belgium: Belgian Health Institute - Sciensano and Janssen Belgium; Germany: Institute of Epidemiology and Social Medicine at the University of Münster, Institute for Medical Epidemiology Biometry and Informatics at Martin Luther University Halle-Wittenberg, Robert-Koch-Institute Berlin, Helmholtz-Gemeinschaft Deutscher Forschungszentren e.V. via the HZEpiAdHoc “The Helmholtz Epidemiologic Response against the COVID-19 Pandemic” project, and the German Free State of Saxony via the SaxoCOV project; Norway: University of Bergen and the National Institute of Public Health Norway; the Netherlands: Ministry of Health, Welfare and Sport - the Netherlands; and the UK: Medical Research Council MRC (MC_PC_19065), National Institute of Health Research NIHR (CV220-088 - COMIX).

作者信息

隶属关系

作者

贡献

WJE, JW, NH和PB发起了这项研究。CIJ、WJE和KvZ在征询PB和NH的意见后,设计了最初的CoMix调查。CIJ, AG, KLMW, KvZ, PC清理并准备平台数据。LW和NH搭建了SOCRATES平台。FV写了初稿,LH, JW, CF和SV也有贡献。SV创造了手稿中的人物。JAB和LB为荷兰的CoMix研究提供了样本统计数据和方法学细节。FV, LH, SV和PC根据两个审稿人的报告对稿件进行了重大修改。所有作者贡献和审查的手稿,并批准出版的最终版本。

通讯作者

写给丽莎·赫曼斯的信。

道德声明

伦理批准和同意参与

CoMix的研究方案和问卷是由当地伦理委员会批准的,或者是获得了豁免,详情可在附加文件中找到狗万3.0c:表S20。

同意出版

不适用。

相互竞争的利益

不适用。

附加信息

出版商的注意事项

万博平台登陆网址施普林格《自然》杂志对已出版的地图和机构附属机构的管辖权要求保持中立。

补充信息

额外的文件1:

Comix采样特征由国家和调查波。附加文件狗万3.0c提供已经采集到的并已传送数据的CoMix波的样本特征。由于数据清理或其他收集后的修正,样本特征可能与其他CoMix研究中报告的不同。由于数据收集方面的问题,芬兰、瑞士和立陶宛的CoMix数据收集推迟到2021年夏季。因此,没有报告这三个国家的样本特征。表S1-S19。-英国,比利时,荷兰,法国,意大利,西班牙,奥地利,丹麦,波兰,葡萄牙,希腊,斯洛文尼亚,克罗地亚,爱沙尼亚,匈牙利,马耳他,斯洛伐克,挪威和德国的CoMix样品特征。

附加文件2:

国家级道德规范详细信息。附加文件狗万3.0c提供国家层面关于CoMix研究方案和问卷的伦理批准或弃权的细节。S20表。-国家层面的CoMix研究方案伦理批准或弃权的细节和问卷调查。

权利和权限

开放获取本文根据知识共享署名4.0国际许可证获得许可,该许可证允许以任何媒体或格式使用、共享、改编、分发和复制,前提是您给予原作者和来源适当的信任,提供知识共享许可证的链接,并说明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可证中,除非在材料信用额度中另有说明。如果文章的知识共享许可证中未包含材料,且您的预期用途未经法定法规许可或超出许可用途,则您需要直接获得版权持有人的许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/by/4.0/.创作共用及公共领域专用豁免书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文提供的数据,除非在数据的信贷额度中另有说明。

重印和权限

关于这篇文章

通过Crossmark验证货币和真实性

引用这篇文章

弗列尔斯特,何曼思,L,韦克鲁斯,S。et al。soccrates - comix:在20多个欧洲国家COVID-19激增期间和期间提供及时和开放源代码的接触数据的平台。BMC医疗19,254 (2021). https://doi.org/10.1186/s12916-021-02133-y

下载引用

关键字

  • 社会联系行为
  • 混合模式
  • 联系资料
  • 数学建模
  • SARS冠状病毒2型
  • 新冠肺炎
  • 欧洲
Baidu