Examen des interventions SARS-CoV-2 dans les pensionnats à l'aide d'un réseau empirique

Objectifs

Les universités se sont tournées vers les modèles SARS-CoV-2 pour examiner les stratégies de réouverture des campus. Bien que ces études aient exploré diverses techniques de modélisation, aucune n'a utilisé de données empiriques.

Méthodes

Dans cette étude, nous utilisons un réseau de proximité empirique d'étudiants de première année obtenus à l'aide du Bluetooth d'un smartphone pour simuler la propagation du virus. Nous étudions le rôle de la vaccination, des tests, de l'isolement, du port du masque et de la distanciation sociale en présence de difficultés de mise en œuvre et d'une conformité imparfaite.

Résultats

Nous montrons que des tests fréquents pourraient réduire considérablement la propagation du virus si les niveaux d'immunité sont faibles, mais ses effets sont limités si l'immunité est plus omniprésente. De plus, des niveaux modérés de port de masque et de distanciation sociale pourraient entraîner des réductions supplémentaires de l'incidence cumulée, mais leur bénéfice diminue rapidement à mesure que l'immunité et la fréquence des tests augmentent. Cependant, si l'immunité de la vaccination est imparfaite ou diminue avec le temps, des scénarios non étudiés ici, des tests fréquents et d'autres interventions peuvent jouer un rôle plus central.

De faibles niveaux d'immunité peuvent augmenter le risque de diverses maladies, notamment le rhume, la grippe, le cancer, les maladies cardiovasculaires, les maladies auto-immunes, etc. Les personnes dont le système immunitaire est affaibli sont également plus sensibles aux microbes tels que les bactéries, les virus et les champignons. Si la résistance du corps aux maladies est significativement plus faible, l'individu peut également ressentir des symptômes tels qu'une fatigue persistante et à long terme, une perte de poids, une faiblesse musculaire et une sensibilité aux infections. Par conséquent, nous prêtons généralement attention à l'amélioration de l'immunité personnelle. Nous avons constaté que Cistanche deserticola peut renforcer l'immunité. La cendre de viande contient divers composants biologiquement actifs, tels que des polysaccharides, deux champignons, Huang Li, etc. Ces composants peuvent être utilisés pour la viande. Stimuler diverses cellules du système immunitaire et augmenter leur activité immunitaire.

Cliquez sur le supplément cistanche deserticola

conclusion

Nos résultats suggèrent que bien que les tests réguliers et l'isolement soient des outils puissants, ils ont des avantages limités si l'immunité est élevée ou si d'autres interventions sont largement adoptées. Si les universités peuvent atteindre des niveaux même modérés de vaccination, de masquage et de distanciation sociale, elles pourront peut-être assouplir la fréquence des tests à une fois toutes les quatre semaines.

1. Introduction

Lorsque le SRAS-CoV-2 s'est transformé en pandémie au début de 2020, les universités et les collèges du monde entier ont été contraints de passer rapidement à l'enseignement virtuel. Les écoles ont eu du mal à s'adapter à une nouvelle normalité, renvoyant les étudiants chez eux alors que des campus résidentiels, et même des villes entières, étaient verrouillés pour arrêter la propagation du SRAS-CoV-2. Des études ont montré que le passage rapide à l'enseignement virtuel a exacerbé les inégalités éducatives et sociales préexistantes, entraînant des pertes d'apprentissage et laissant les élèves démotivés (Shin et Hickey, 2021). Alors que la pandémie se poursuivait pendant l'été, les universités étaient confrontées à un choix difficile : rouvrir les campus avec un retour à l'enseignement traditionnel en personne pour offrir une expérience éducative riche ou continuer à enseigner entièrement en ligne pour protéger la santé des étudiants.

À l'automne 2020, les administrateurs d'universités du monde entier ont utilisé des simulations pour comprendre comment des protocoles de santé publique améliorés pourraient atténuer la propagation du SRAS-CoV-2 sur leurs campus. Ces études ont examiné diverses techniques de prévention et formulé différentes hypothèses quant au respect des politiques proposées (Brook et al., 2020 ; Chang et al., 2020 ; Christensen et al., 2020 ; Elbanna et al., 2020 ; Ghaffarzadegan et al., 2020 ; Goyal et al., 2021 ; Gressman et Peck, 2020 ; Lopman et al., 2021 ; Paltiel et al., 2020). Cependant, bien que diverses techniques de modélisation aient été employées, des modèles de mélange homogène compartimentaux aux réseaux de contact en passant par les modèles à base d'agents, ces études n'ont utilisé que des données simulées.

Dans leur examen des études de modélisation COVID-19 dans un cadre universitaire, Christensen et al. ont plaidé pour que davantage de recherches soient menées à l'aide de données de mélange empiriques (Christensen et al., 2020). Ici, nous reprenons cette charge et examinons comment l'utilisation d'un réseau de contacts d'étudiants dans le monde réel sur un campus universitaire, vérifié à l'aide des données Bluetooth d'un smartphone, modifie notre compréhension du rôle de diverses interventions dans l'atténuation du SRAS-CoV-2. Alors que les collèges envisagent de rouvrir à l'automne 2021, ils devront naviguer dans un environnement en évolution rapide et faire face à la fois à des variantes plus transmissibles et à une couverture vaccinale plus faible que prévu. Les universités devront identifier une approche appropriée pour leur population étudiante spécifique, une approche qui impliquera probablement une interaction complexe d'interventions, de la vaccination aux tests répétés et à l'isolement en passant par les interventions non pharmaceutiques, comme le port de masque et la distanciation sociale.

Cette étude vise à doter les universités des informations et des outils nécessaires pour naviguer dans ce processus décisionnel compliqué. Bien que nous présentions ici une gamme de scénarios, notre étude sert de cadre aux universités pour explorer l'efficacité de différentes stratégies d'intervention dans leur contexte unique. Notre code bien documenté, ainsi que les données accessibles au public utilisées pour cette étude, permettent aux universités de spécifier leurs valeurs de paramètres pour examiner des scénarios qui n'ont pas été pris en compte dans notre étude. Les administrateurs et les responsables de la santé publique peuvent utiliser notre cadre flexible pour élaborer des politiques fondées sur des preuves conçues pour atténuer la propagation du COVID-19 sur les campus universitaires.

2. Méthodes

2.1. Réseau de proximité

Nous utilisons un réseau d'interaction de proximité de la Copenhagen Networks Study (CNS), qui a recruté des étudiants de l'Université technique du Danemark. En particulier, nous nous concentrons exclusivement sur les données de proximité Bluetooth acquises auprès de 706 étudiants, qui ont été rendues publiques en décembre 2019 (Sapiezynski et al., 2019). Des smartphones de prêt ont été délivrés aux participants à l'étude qui ont accepté d'utiliser l'appareil comme téléphone principal pendant la durée de l'étude. Les appareils ont été configurés pour être détectables par Bluetooth à tout moment et pour rechercher les appareils à proximité toutes les cinq minutes, en enregistrant l'ID de l'appareil, un horodatage et un indicateur de la force du signal reçu (RSSI), qui correspond approximativement à la distance physique. Les données de proximité Bluetooth sont disponibles pendant 28 jours à partir de février 2014. Pour modéliser un semestre universitaire typique, nous parcourons les données CNS quatre fois, simulant ainsi un total de 16 semaines de données d'interaction.

2.2. Modèle épidémique

Pour modéliser la propagation du SARS-CoV-2, nous utilisons un modèle individuel stochastique susceptible-exposé-infectieux-récupéré (SEIR) à temps discret, avec des états séparés pour les cas symptomatiques et asymptomatiques. Chaque jour, les individus avancent vers le compartiment suivant ou restent dans leur compartiment actuel de manière probabiliste. Chaque interaction de personne à personne est traitée comme un événement indépendant, de sorte que la probabilité d'être exposé augmente linéairement avec le nombre d'interactions avec un individu infectieux. Nous autorisons la transmission présymptomatique, car il y a une période de deux jours entre l'infectiosité et l'apparition des symptômes, ainsi qu'une transmission entièrement asymptomatique pour les cas asymptomatiques. Les valeurs des paramètres sont résumées dans le tableau 1. Nous étudions les scénarios de transmission faible, moyenne et élevée, qui correspondent approximativement aux valeurs R{{10}} de 1,5, 3.0 et 4,5, respectivement. Nous explorons une gamme de valeurs car les estimations de R0 varient considérablement selon les études et les contextes (Alimohamadi et al., 2020). Le supplément et la figure 5 montrent des détails supplémentaires sur notre modèle de transmission SARS-CoV-2.

En plus de l'infection via le réseau de contact, nous permettons à chaque individu de développer une infection due à une exposition extérieure (par exemple, dans la communauté au sens large), quelles que soient ses interactions avec le réseau de contact. Nous explorons les niveaux élevés et faibles de transmission communautaire pour examiner l'impact de la prévalence communautaire et les différents niveaux d'intégration entre le campus et la communauté. Compte tenu du potentiel de propagation continue de la communauté en l'absence de taux de vaccination très élevés (COVID-19 Scenario Modeling Hub, 2021) et de la transmissibilité accrue de nouvelles variantes (Davies et al., 2021), nous nous concentrons sur un cadre avec des niveaux plus élevés de transmission communautaire. Les résultats obtenus pour le scénario de transmission communautaire élevée sont présentés dans ce qui suit, et ceux de notre scénario de transmission communautaire faible sont donnés dans le supplément.

2.3. Immunité initiale

Alors que de nombreux pays ont approuvé des vaccins contre le SARSCoV-2 et se précipitent pour les mettre à la disposition de leurs résidents, le Council on Foreign Relations estime qu'il faudra des années pour que la majorité de la population mondiale soit immunisée contre le virus (Felter , 2021). En tant que tel, nous explorons un large éventail de scénarios de vaccination, allant de l'absence de vaccination à 80 % de la population étudiante vaccinée, soit en raison d'une infection antérieure, soit en raison d'une vaccination. Pour simplifier, nous supposons une immunité parfaite dans notre modèle.

2.4. Test et isolement

Nous considérons les tests symptomatiques et les tests programmés dans nos simulations et supposons que les deux ont été effectués via la réaction en chaîne par polymérase (PCR). Le test symptomatique se produit lorsqu'un élève demande un test après avoir ressenti des symptômes. Pour tenir compte des personnes susceptibles de présenter des symptômes pseudo-grippaux non liés à la COVID, une fraction des personnes non infectieuses se présentent également chaque jour pour des tests symptomatiques. Dans le cadre des tests programmés, chaque membre de la population est testé régulièrement pour identifier des cas supplémentaires qui, autrement, ne seraient pas détectés. Les individus sont testés à intervalles réguliers, de sorte que le temps entre les tests est constant pour chaque élève, bien qu'une petite fraction de la population soit définie comme non conforme chaque jour. Les deux types de tests intègrent une sensibilité dépendante du temps ; La sensibilité du test SARS-CoV-2 est fortement corrélée à la charge virale, qui varie tout au long de l'infection.

Pour tenir compte de cela, nous utilisons la sensibilité du test empirique dérivée des données d'écouvillonnage nasopharyngé par Wikramaratna et al. (Wikramaratna et al., 2020). Étant donné que leur modèle n'incluait que le temps après l'apparition des symptômes, nous imputons la sensibilité du test pré-symptomatique, reflétant la sensibilité post-symptomatique de sorte que la sensibilité deux jours avant l'apparition des symptômes soit la même que celle deux jours après l'apparition des symptômes. Ceci est cohérent avec la littérature montrant que la charge virale culmine au début des symptômes, avec des charges similaires avant et après l'apparition des symptômes (Johansson et al., 2021). Des détails supplémentaires sont fournis dans le supplément et la figure 6. En cas de test positif, les individus sont placés en isolement. Pour chaque ensemble de valeurs de paramètres, nous examinons les fréquences de test planifiées de trois, sept, 14 et 28 jours, ainsi que l'absence de test planifié.

2.5. Port du masque et distanciation sociale

Nous considérons également un contexte où le comportement des élèves conduit à des taux de transmission spécifiques à l'individu. Nous spécifions une proportion de la population qui porterait des masques faciaux et attribuons au hasard un sous-ensemble de la population à respecter la distanciation sociale. Les deux interventions sont mises en œuvre en tant que réductions du taux de transmission, et ces réductions sont supposées être linéaires. Étant donné que l'homophilie, la tendance des gens à s'associer avec d'autres qu'ils perçoivent comme similaires à eux-mêmes, est généralement présente dans les réseaux sociaux (McPherson et al., 2001), nous avons émis l'hypothèse que les groupes d'amis pourraient partager des opinions similaires sur COVID-19 et les efforts d'atténuation connexes. Par conséquent, nous considérons à la fois des attributions groupées et non groupées de port de masque à travers le réseau, un scénario qui ne peut pas être étudié avec des modèles épidémiologiques standard. Pour créer des groupes d'utilisateurs de masques, nous créons un réseau de contacts pondéré pour toute la période d'étude et sélectionnons un ensemble de porteurs de masques initiaux uniformément au hasard. Nous "étendons" ensuite le port du masque à leurs contacts, là où les voisins avec plus d'interactions ont une probabilité plus élevée d'adopter un couvre-visage. Ce processus est itéré jusqu'à ce que la proportion souhaitée de porteurs de masque soit atteinte. Plus de détails sont fournis dans les informations complémentaires.

3. Résultats

Après avoir supprimé les appareils non participants et les analyses vides des données Bluetooth, 2 426 279 pings Bluetooth (44,3 % de tous les pings) et 692 utilisateurs (98,0 % de tous les utilisateurs) sont restés, ce qui indique que 14 utilisateurs n'ont eu aucun événement de proximité. impliquant d'autres participants à l'étude. Les réseaux de proximité pour chacun des 28 jours considérés dans cette étude sont présentés dans la figure 3 du supplément. Les réseaux ont une grande composante connectée les jours de semaine lorsque les étudiants étaient probablement actifs sur le campus et assistaient aux cours. Le week-end, les réseaux étaient plus lâchement connectés, avec moins d'utilisateurs interagissant avec les autres participants à l'étude, comme le montrent les première et dernière colonnes de la figure 3.

Les taux d'incidence de notre scénario de transmission modérée (R{{0}} ≈ 3.0) avec différents niveaux de population immunisés dès le départ sont présentés à la figure 1. Quel que soit le niveau d'immunisation, l'augmentation la fréquence des tests a réduit le nombre d'infections observées au cours du semestre, bien que l'effet ait été relativement faible si 60 - 80 % de la population était immunisée. Sans vaccination, les tests tous les trois jours ont entraîné l'infection de 42,7 % des étudiants à la fin du semestre en moyenne, tandis que les tests tous les sept, 14 et 28 jours ont conduit à 47,5 %, 56,2 % et 61,6 % des étudiants infectés. , respectivement (aucun test programmé : 66,1 %). Cependant, avec 80% immunisés, des tests tous les trois jours ont entraîné en moyenne 12,3% d'étudiants infectés à la fin du semestre, l'absence de test programmé donnant lieu à 15,8% d'étudiants infectés en moyenne. Ainsi, alors que l'augmentation des tests et l'isolement ultérieur ont eu un impact sur le nombre d'infections pour un niveau de vaccination donné, l'augmentation de l'immunité de la population a finalement conduit à des réductions proportionnelles ou supérieures de l'incidence. L'incidence de nos scénarios de transmission faible (R0 ≈ 1,5) et élevée (R0 ≈ 4,5) est présentée dans le supplément (voir les figures 9 et 10).

Sans vaccination, le temps moyen nécessaire pour infecter 10% de tous les étudiants était de 24 jours sans aucun test ni isolement, alors que le test une seule fois toutes les quatre semaines a augmenté cette fois à 25 jours, et le test deux fois par semaine a permis à 10% des étudiants d'être infectées au jour 30 en moyenne (Figure 1). Cependant, lorsque 20% de la population était immunisée, des tests tous les trois jours pourraient prolonger cette période de 11 jours, et avec 40% de la population immunisée, des tests fréquents pourraient propager encore plus les infections, donnant ainsi aux universités deux semaines supplémentaires. Ces résultats démontrent que lorsqu'ils sont combinés à des tests réguliers, même des niveaux d'immunité modestes peuvent aider les universités à aplanir la courbe, économisant ainsi des ressources et réduisant le coût des efforts d'atténuation.

Le nombre de tests positifs et le nombre de personnes isolées sont présentés dans les figures 7 et 8, respectivement. Ces mesures permettent aux universités d'estimer les ressources nécessaires pour atténuer la propagation de la COVID-19 parmi leur population étudiante en termes de ressources consacrées aux interventions et de coûts d'opportunité perdus. Par exemple, le nombre d'étudiants isolés au cours du semestre correspond également au nombre de jours d'école manqués, permettant aux universités de quantifier à la fois les ressources nécessaires pour mettre les étudiants en quarantaine et les opportunités éducatives perdues associées à la quarantaine. De plus amples détails sont fournis dans le supplément.\

Les résultats obtenus pour nos scénarios de port de masque et de distanciation sociale sous transmission modérée (R0 ≈ 3.0) sont présentés dans la figure 2, qui montre le pourcentage moyen de la population étudiante infectée à la fin du semestre. Les tests ont été les plus efficaces pour réduire l'incidence cumulée avec de faibles niveaux d'immunité et des niveaux faibles à modérés de port de masque et de distanciation sociale. Lorsque le port du masque et la distanciation sociale étaient omniprésents, des tests plus fréquents n'offraient que de petites diminutions de l'incidence cumulée car le virus était déjà bien contrôlé. De même, l'immunité initiale, même dans une petite fraction de la population, a réduit l'impact des tests réguliers. Sans immunité, des tests tous les trois jours ont entraîné des avantages considérables lorsque le port du masque et la distanciation sociale étaient inférieurs à 60 %. Cependant, avec 20% et 40% d'immunisation, les tests tous les trois jours n'ont fourni des avantages importants que lorsque le port du masque et la distanciation sociale étaient inférieurs à 40% et 30%, respectivement. De manière quelque peu surprenante, peu ou pas de diminution de l'efficacité s'est produite lorsque le port du masque était regroupé sur le réseau de contact, peut-être en raison de la nature hautement connectée du réseau (voir la figure 11). Si les universités peuvent atteindre des niveaux même modérés d'immunité, de port de masque et/ou de distanciation sociale, nos simulations démontrent qu'elles peuvent être en mesure de tester moins fréquemment avec peu ou pas de changement dans l'incidence cumulée.

Pour comparer l'efficacité des tests et de l'isolement, du port de masque, de la distanciation sociale et de l'immunité, nous avons effectué une analyse de régression basée sur l'incidence cumulée sur toutes nos simulations de transmission modérée (R0 ≈ 3.{{3} }). L'incidence cumulée a diminué de 3,95 ou 0,57 pour 100 élève pour chaque augmentation d'une semaine de la fréquence des tests. Chaque augmentation de 10% de la proportion de la population se conformant à la distanciation sociale a réduit l'incidence cumulée de 4,47 ou 0,65 pour 100 élèves. De même, chaque augmentation de 10 % de la proportion portant des masques a réduit l'incidence cumulée de 5,76 ou 0,83 pour 100 élèves. Enfin, chaque augmentation de 10 % de la proportion d'individus immunisés a réduit l'incidence cumulée de 17,08 ou 2,47 pour 100 élèves. Ainsi, bien que les tests puissent être simples à appliquer pour les collèges, ils offrent des réductions de cas beaucoup plus faibles que le port de masque et la distanciation sociale. Comme prévu, l'augmentation de l'immunité de la population a entraîné la plus grande réduction de l'incidence cumulée.

4. Discussion

Alors que l'année écoulée nous a offert la promesse de vaccins efficaces et d'une meilleure compréhension de la dynamique du SRAS-CoV-2, les écoles sont toujours confrontées à un avenir incertain. Avec des déploiements de vaccins cahoteux dans certaines régions du monde et des contraintes financières dues à la baisse des inscriptions, de nombreux collèges se demandent comment ils pourront revenir à une sorte de normalité et quelles mesures ils peuvent prendre pour accélérer le processus (St. Amour, 2020). Les objectifs de développement durable des Nations Unies pour 2015 visent à garantir à la fois une vie saine et une éducation de qualité inclusive et équitable (Nations Unies, 2015). Pour continuer à avancer vers ces objectifs, il est important de déterminer comment les écoles peuvent rouvrir en toute sécurité, leur permettant ainsi de dispenser une éducation de qualité tout en favorisant le bien-être.

Dans cette étude, nous nous sommes efforcés d'aider les universités à relever les défis de la réouverture en examinant l'efficacité des tests réguliers (c'est-à-dire le dépistage) dans une population de collèges résidentiels en conjonction avec divers niveaux d'immunisation. Nous avons constaté que si les tests devraient faire partie intégrante de la stratégie d'atténuation de chaque université, des niveaux modérés d'immunité, de port de masque et de distanciation sociale peuvent permettre aux universités de tester moins fréquemment. En tant que tel, si les collèges peuvent atteindre des taux de vaccination élevés, ils peuvent être en mesure d'assouplir les tests à une ou deux fois par mois, économisant ainsi de précieuses ressources. Bien que nous nous concentrions sur un milieu universitaire, nos méthodes et nos résultats pourraient être appliqués à d'autres environnements résidentiels

Contrairement aux études précédentes, nous avons utilisé un réseau de contacts du monde réel comme base de nos simulations, nous permettant de capturer le comportement social hétérogène sous-jacent des étudiants, ce qui modifie sans aucun doute la façon dont le virus se propage. En outre, de nombreuses études antérieures dans ce domaine ne représentaient qu'un petit nombre d'obstacles à la mise en œuvre et de problèmes de conformité. Nous avons autorisé les infections externes, un taux de fond de syndrome grippal, la sensibilité des tests en fonction du temps et les retards des résultats des tests, ainsi que la non-conformité des élèves tout au long du processus de test et d'isolement.

Les données de proximité que nous avons utilisées ont été recueillies bien avant la pandémie lorsque les étudiants ne limitaient pas leurs interactions avec les autres. Par conséquent, nos données représentent un scénario du pire des cas où les étudiants ne réduisent pas leurs contacts avec les autres. Cependant, lorsque les élèves réduisent leurs contacts avec les autres, ils pratiquent effectivement une forme de distanciation sociale. Ainsi, ces schémas de contact pré-pandémiques étaient nécessaires pour étudier les effets des interventions de distanciation sociale, un objectif de cette étude

Bien que les vaccins n'offrent pas une immunité parfaite, les vaccins à ARNm actuellement utilisés sont très efficaces pour réduire les infections et apparemment efficaces pour réduire la transmission chez les personnes infectées (Haas et al., 2021). Bien que nous ayons supposé une immunité parfaite dans nos simulations, les niveaux d'immunité de notre population pourraient être mappés sur des niveaux d'immunité efficaces pour tenir compte de l'immunité imparfaite et des infections percées qui en résultent.

Bien que notre modèle intègre bon nombre des défis auxquels nous nous attendons à ce que les universités soient confrontées sur le campus, nous n'avons pas explicitement modélisé la recherche des contacts. Bien que la recherche des contacts puisse être un outil efficace lorsqu'elle est mise en œuvre de manière appropriée (Cencetti et al., 2021 ; Ferretti et al., 2020), il s'agit souvent d'une entreprise gourmande en ressources, qui nécessite l'accès à des informations sur les contacts sociaux. hésiter à accorder. Nous n'avons pas non plus estimé le nombre d'effets indésirables attendus, bien que les décès et les hospitalisations puissent être approximés à partir de nos résultats si des hypothèses supplémentaires sont formulées. Enfin, nous n'avons intégré aucune variation saisonnière dans la transmission du SARS-CoV-2, bien que de nouvelles recherches suggèrent que dans les climats tempérés, la transmission est significativement plus élevée en hiver lorsque les écoles sont en session qu'en été (Gavenciak ˇ et al., 2021). Ainsi, les universités devraient tenir compte de leurs conditions climatiques spécifiques lorsqu'elles envisagent le fardeau de la maladie auquel elles peuvent être confrontées.

Bien que ce travail fournisse de nouvelles informations sur la manière dont la vaccination, les tests répétés, l'isolement et d'autres stratégies peuvent réduire la propagation du SRAS-CoV-2 sur les campus universitaires, il est important de noter qu'il n'existe pas de solution unique. approche globale (Bradley et al., 2020).

Les écoles les plus performantes adapteront leur approche à leur situation spécifique et s'adapteront à l'évolution des circonstances. En effet, la stratégie la plus avantageuse peut être une approche agile, celle où la fréquence des tests est ajustée en fonction de la dynamique de transmission actuelle, une approche qui n'a pas encore été étudiée rigoureusement.

Financement

Cette étude a été soutenue par une bourse du département de biostatistique de l'Université de Harvard et une bourse du gouvernement américain (à HH). Un financement supplémentaire a été fourni par les Centers for Disease Control and Prevention (subvention MInD : U01 CK000585 à RK) et les National Institutes of Health (NIAID R01 award AI138901 à JPO). Les sources de financement n'ont joué aucun rôle dans la conception de l'étude, l'analyse des données, l'interprétation des données ou la rédaction du rapport.

Approbation éthique

Une autorisation éthique médicale distincte n'est pas obligatoire.

Partage de données

Les données du réseau de proximité de l'étude du réseau de Copenhague sont dans le domaine public (https://doi.org/10.6084/m9.figshare. 7267433). Tous les modèles et le code de ce projet écrits dans la version 3.7 du langage de programmation Python sont disponibles via GitHub (https://github.com/onnela-lab/covid-campus).

Contributeurs

HH et JPO avaient un accès complet à toutes les données de l'étude. JPO a conceptualisé et supervisé l'étude. HH, RK et JPO ont contribué à la méthodologie, à l'enquête et à la visualisation. HH a rédigé le manuscrit avec une révision critique par RK et JPO. Tous les auteurs ont lu et approuvé la version finale.

Déclaration d'intérêts concurrents

Les auteurs déclarent qu'ils n'ont pas d'intérêts financiers concurrents ou de relations personnelles connus qui auraient pu sembler influencer le travail rapporté dans cet article.

Remerciements

Nous remercions Marc Lipsitch pour ses commentaires sur ce projet. Nous remercions également Giang T. Nguyen et Max Wang pour leur lecture critique du manuscrit.

Matériel complémentaire

Des documents supplémentaires associés à cet article peuvent être trouvés, dans la version en ligne, à l'adresse doi:10.1016/j.ijid.2021.10.008

For more information:1950477648nn@gmail.com