Dans une nouvelle étude publiée sur Place de la recherche* serveur de préimpression, les chercheurs ont démontré les variations quotidiennes de l’hétérogénéité de transmission variable dans le temps (kt) à travers trois vagues épidémiques de maladie à coronavirus 2019 (COVID-19) de transmission locale soutenue à Hong Kong.
Sommaire
Contexte
La super-propagation semble être une caractéristique distincte du coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2), l’agent causal de la pandémie de COVID-19 en cours. Des mesures épidémiologiques, telles que le taux de reproduction effectif (Re), et nombre de reproduction effectif variable dans le temps (Ret), pourraient quantifier les taux de transmission du SRAS-CoV-2 et prédire la progression de la pandémie.
Cependant, ces mesures négligent souvent l’hétérogénéité des événements de transmission et de super-propagation au niveau individuel. De plus, le modèle de distribution de Poisson qui mesure la variance de transmission (comme Re) est inapproprié pour modéliser des ensembles de données qui présentent une super-diffusion.
D’autre part, la distribution binomiale négative est un modèle approprié pour mesurer les variations d’hétérogénéité de transmission au fil du temps pour COVID-19. Pour les faibles valeurs du paramètre de dispersion k (0 < k < 1), la distribution correspondante se concentre autour de zéro. Une telle surdispersion indiquait la probabilité d'événements de super-propagation susceptibles de modifier la dynamique de la pandémie de COVID-19.
Contrairement à Re et Retdes études scientifiques ont interprété k comme un paramètre fixe non affecté par les interventions non pharmaceutiques (NPI) ou le temps, et peu d’études ont étudié les variations temporelles de k et l’effet relatif des NPI sur l’hétérogénéité de transmission variable dans le temps.
À propos de l’étude
Dans la présente étude, les chercheurs ont utilisé une nouvelle approche pour comparer l’épidémiologie et kt de deux ensembles de données bêta-coronavirus de Hong Kong entre le 23 janvierrd2020 et 5 avrile2021. Hong Kong a notamment été témoin de deux épidémies de bêta-coronavirus : le SRAS en 2003 et la pandémie de COVID-19 actuellement en cours.
Les chercheurs ont présenté les fluctuations de kt de COVID-19 sur une échelle continue (quotidienne) sans introductions internationales pour confondre les résultats de transmission locaux et en corrélation avec des événements de super-propagation, définis comme plus de six cas secondaires par cas primaire.
Ils ont utilisé les valeurs de k pour calculer la proportion de cas responsables de 80 % des transmissions ultérieures (Prop80). En outre, les chercheurs ont utilisé des analyses de sensibilité sur les pires scénarios hypothétiques pour évaluer l’impact potentiel de la sous-observation et de la surobservation (imparfaite) des cas de COVID-19 sur les estimations de kt.
L’équipe de recherche a généré des preuves supplémentaires qui ont favorisé des niveaux plus élevés d’hétérogénéité de transmission pour COVID-19 que les estimations précédentes en augmentant le nombre de paires de transmission, 4 697 paires contre 169 paires (utilisées précédemment).
Résultats de l’étude
Les auteurs ont constaté que les mesures de l’hétérogénéité de transmission pour le SRAS et le COVID-19 fluctuaient dans le temps et étaient partiellement associées à des événements de super-propagation, le SRAS présentant plus d’hétérogénéité et moins de variabilité temporelle que le SRAS-CoV-2.
Les valeurs de kt et de Prop80t ont diminué au cours de trois vagues épidémiques de COVID-19 à Hong Kong, et ces réductions étaient en corrélation avec les NPI qui ont empêché les événements potentiels de super-propagation. Ils ont également observé une corrélation entre ktaccessoire80t avec Ret pour COVID-19 ; cependant, pour le SRAS, cette corrélation n’était pas concluante.
L’explication la plus plausible est que la mise en œuvre de NPI strictes, telles que la distanciation sociale et le masquage obligatoire pendant la pandémie de COVID-19, a réduit les contacts aléatoires au niveau communautaire, augmentant ainsi la proportion de cas qui ont mis fin à la chaîne d’infection. Il a empêché les événements de super-propagation pendant la pandémie de COVID-19, qui est une caractéristique caractéristique de l’hétérogénéité de la transmission.
Ces résultats expliquent pourquoi l’interprétation de kt et les mesures de l’hétérogénéité de la transmission dans le temps, y compris la réponse aux NPI, pourraient aider à concevoir des stratégies d’atténuation de la pandémie et à prévenir les événements de super-propagation et la transmission généralisée du SRAS-CoV-2, bien avant qu’elle ne se produise.
Les estimations mondiales ont montré que moins de 10 % des cas de COVID-19 étaient responsables de 80 % des transmissions ultérieures. Les estimations de l’étude actuelle étaient légèrement plus élevées, avec akt de 14,2 %, indiquant une dynamique pathogène-population unique à Hong Kong. Une sous-détection des cas de COVID-19 à Hong Kong aurait pu conduire à une surestimation modérée de kt.
Dans le pire des cas, où la moitié des cas de COVID-19 n’ont pas été détectés à Hong Kong, la distribution marginale observée de kt pour COVID-19 n’était pas plus élevé que le SRAS. Cependant, l’application du même taux de sous-détection aux estimations globales de k a montré une hétérogénéité plus élevée pour le SRAS (k = 0,04) que pour le COVID-19 (k = 0,1).
conclusion
Dans l’ensemble, l’étude a estimé les variations temporelles de l’hétérogénéité de la transmission sur une échelle continue pour le COVID-19 et le SRAS. Notamment, 14,2% des cas étaient responsables de 80% de toutes les transmissions ultérieures de COVID-19 à Hong Kong, et ~ 70% n’ont causé aucune transmission ultérieure de COVID-19. Pour conclure, les estimations de l’hétérogénéité de la transmission variant dans le temps pourraient être des indicateurs potentiels pour toutes les pandémies émergentes et utilisées de manière robuste pour la surveillance des épidémies.
*Avis important
Research Square publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, guider la pratique clinique/les comportements liés à la santé, ou traités comme des informations établies.
