你看到的就是你得到的吗？—— correcting reported incidence data for testing intensity
种群与进化
2024-09-10 v2
摘要
在新冠肺炎疫情期间，不同类型的非药物干预措施在控制疫情爆发和限制SARS-CoV-2病毒传播方面发挥了重要作用。在某些国家，开展了大规模的自愿检测，针对非症状个体进行检测，旨在识别无症状和准症状感染，以及评估总体人群中的感染率。本文提出一种数学模型，用于研究观察到的感染情况和未观察到的感染情况随着自愿检测率变化的动力学。模型表明，检测率提高会导致观察到的患病率增加，尽管真实患病率会下降。当检测率很大时，观察到的患病率也会下降。观察患病率的非单调性解释了在比较不同国家中未校正病例计数时看到的一些差异。例如，2020/2021年冬季丹麦和匈牙利的新冠肺炎疫情，报告的病例计数相当，但真实患病率却非常不同。该模型提供了一种量化方法，用于衡量观察患病率与真实患病率之间的确认率，允许对病例数据进行检测强度校正。通过将模型与2021/2022年冬季丹麦奥米克ron变异（BA.1和BA.2）的全国性流行病进行比较，我们发现模型估计的累积患病率与serology研究所建议的一致程度良好。尽管该模型未能完整捕捉流行病爆发的复杂性以及不同干预措施的效果，但它提供了一种简单的方法，用于校正不同自愿检测水平下的原始病例计数，使得在国际边界和检测行为之间进行比较成为可能。
引用
@article{arxiv.2408.11524,
title = {What you saw is what you got? -- Correcting reported incidence data for testing intensity},
author = {Rasmus Kristoffer Pedersen and Christian Berrig and Tamás Tekeli and Gergely Röst and Viggo Andreasen},
journal= {arXiv preprint arXiv:2408.11524},
year = {2024}
}