a Pedro Miguel Alexandre Cardoso 2 éve
208
Még több ilyen
Esquema com a seleção dos gráficos que apresentam relações mais relevantes e os respetivos valores estatisticos.
1º Parágrafo - Descrição da Amostra 2º Parágrafo - Descrição da organização e estrutura de dados 3º Parágrafo - Descrição da classificação das variáveis de interesse em indicadores de estrutura, processo e outcome
Tabela com todos os indicadores a analisar nas linhas e todas as variáveis de outcome nas colunas
Impact of delays on effectiveness of contact tracing strategies for COVID-19: a modelling study (2020) -> Privacidade
Título: Otimização do rastreio de contatos durante as vagas da pandemia COVID-19 em Portugal
Seleção das relações entre indicadores associados a custos/recursos e indicadores de outcome (obtidas no primeiro artigo)
Através do software R, determinação do ponto ótimo nas funções que determinam as relações previamente referidas
Comparação com o cenário real
Título: Efetividade do rastreio de contatos COVID-19 através do TraceCOVID-19 em Portugal
Análise Bibliográfica sobre Performance Indicators de Contact Tracing
Cálculo das variáveis que irão ser estudadas, a partir do software R
Classificação das variáveis de interesse em indicadores de estrutura, processo e outcome
Relação entre as variáveis de estrutura/processo e as variáveis de outcome
Seleção dos modelos mais interessantes, que sejam estatisticamente relevantes
Análise das variáveis de interesse por USP
Backwards contact tracing for COVID-19: analysis and review (Japan, 2020)
20% dos Backward Contacts são detetados a partir do processo de Tracing dos Forward Contacts Segundo estudos Bidirectional Tracing permite duplicar a efetividade dos processo de Contact Tracing Os timings em que os resultados de teste passam a positivo podem indiciar se o contacto é anterior ou posterior na cadeia de transmissão. (positivo imediato -> pode ser Backward; positivo tardio -> Forward) Backward Tracing é útil na identificação de Clusters
The impact of contact tracing and testing on controlling COVID-19 outbreak without lockdown in Hong Kong: An observational study (Hong Kong, 2022) - Eficácia
Observational Data Perceber quais os fatores que permitiram o efetivo controlo da 3ª vaga de COVID-19 em Hong Kong, sem confinamento. Confirmation Delay -> período entre os sintomas e a confirmação de caso positivo O aparecimento do outbreak e Hong Kong deveu-se a casos indetectáveis importados do estrangeiro. O aumento do número de casos deu-se através de Clusters de Transmissão. Para melhorar a efetividade do Contact Tracing, Hong Kong implementou: - Targeted Testing (em grupos de alto risco) - Isolation Capacity Boosting Há uma clara evidência do impacto positivo do Targeted Tracing na percentagem de casos com Confirmation Delay, o que por sua vez permitiu um aumento muito mais lento do número de casos de COVID-19. Os casos sem contacto prévio revelaram ter um Confirmation Delay muito superior aos dos casos resultantes de Contact Tracing. Screening em massa e de forma repetida permite identificar mais casos, incluindo assintomáticos. No entanto, o processo não é cost-effective (tanto em termos de custo como de recursos humanos). Assim sendo, sugerem-se 3 medidas: - Monitorizar o Confirmation Delay (Elevada percentagem de Confirmation Delay sugere baixa eficiência dos processos de Testing and Tracing). - Testar os grupos de risco - Calcular e analisar o Limite de Capacidade do processo de Contact Tracing. Quanto maior a percentagem de transmissão pré-sintomática, menos eficiente será o isolamento e o processo de Contact Tracing. É de realçar que a importância dos Clusters se prende não só com o seu tamanho, mas também com os contatos proximos associados.
Impact of delays on effectiveness of contact tracing strategies for COVID-19: a modelling study (2020)
Modelo Matemático Estocástico O modelo considera que: -> 40% das transmissões aparecem antes dos sintomas -> Cada indivíduo tem em média 4 contatos próximos e 9 contatos casuais, por dia. -> A probabilidade de transmissão em contatos próximos é 4 vezes maior. -> 20% das pessoas permanecem assintomáticas -> O Testing Delay variou entre 0 e 7 dias e o Tracing Delay variou entre 0 e 3 dias. A probabilidade de rastreamento de um contacto através de uma app de contact tracing é dada pelo quadrado da proporção de app users. O fator mais importante na efetividade do Contact Tracing é o testing delay, embora o tracing delay também possa melhorar a efetividade. A importância do tracing delay depende do testing delay. Quando o testing delay é muito grande, já pouco impacto terá um tracing delay reduzido. A eficiência das apps de contact tracing decai com a baixa adesão às apps. No entanto, mesmo com baixa adesão, constitui um método mais efetivo do que o contact tracing convencional. A implementação de apps enfrenta o problema da privacidade e de outras considerações éticas. Sistemas de Contact Tracing hibrido constituem uma das possíveis soluções para otimizar o Contact Tracing. Os PCR têm baixa sensitividade nos primeiros 3 dias após infeção. O COVID-19 é bastante propício ao aparecimento de False Positives devido à leveza e heterogeneidade dos sintomas associados.
The impact of contact tracing and household bubbles on deconfinement strategies for COVID-19 (Belgium, 2021)
Individual-based model (STRIDE) simula a interação entre 11 milhões de habitantes (pop. da Bélgica). Tanto a frequência de contactos como a intensidade de contactos têm um papel fundamental nas dinâmicas de transmissão de COVID-19. As household bubbles têm o potencial de reduzir cerca de 90% das admissões hospitalares. Household Bubbles onde a diferença de idades é muito grande (incluindo várias gerações) têm menor eficiência. As férias das crianças não tiveram grande impacto na eficiência das household bubbles, pelo que a escola não constitui um fator muito impactante na ineficiência intergeracional das household bubbles. A proporção relativa de casos sintomáticos tem impacto na eficiência do Contact Tracing. O Contact Tracing deve começar no máximo 4 dias após o aparecimento dos primeiros sintomas. A testagem em massa é recomendada para detectar cedo os casos positivos. Contact Tracing e restrições nas crianças (escolas, atividades...) são pouco impactantes na redução da transmissão, uma vez que as crianças não são tão suscetíveis a serem infetadas como os adultos.
Role of efficient testing and contact tracing in mitigating the COVID-19 pandemic: a network modelling study - Indicadores
Shortening the average time interval between symptom onset and quarantine from 12 days to 4 days results in an 85.2% reduction in infections and an 88.8% decrease in deaths. Testing and tracing regardless of symptoms reduce infections by 35.7% and deaths by 46.2% compared with testing symptomatic cases alone. Reducing the delay in implementing an efficient testing and tracing programme from 50 days to 10 days reduces infections and deaths by 35.2% and 44.6%, respectively.
Feasibility of controlling COVID-19 outbreaks by isolation of cases and contacts - Indicadores
The delay from symptom onset to isolation had a major role in achieving control of outbreaks. Scenarios with long delays are associated with a probability of containing an outbreak of less than 40%. The Transmission before symptoms (and consequently the timming of the symptoms) had a marked effect on probability to control the outbreak.
Contact tracing efficiency, transmission heterogeneity, and accelerating COVID-19 epidemics - Eficacy
The effectiveness of contact tracing depends on three factors: - the number of cases being traced (given a fixed number of contact tracers) - Testing delay - Fraction of Symptomatic Cases that get Traced When there is excess contact tracing capacity, contact tracing was as effective as it could be in reducing Rt, but excess capacity is underutilized. Shifting a subset of contact tracers to areas where cases and contacts needing tracing exceed capacity could substantially reduce Rt in those areas. Witha 10 day delay, contact tracing could only reduce Rt by 20%. If all symptomatic individuals got tested within 4 days of symptom onset and results were returned within the next 24 hours (1/τIs= 5 days), contact tracing could reduce Rt by 40%. The maximum effectiveness of Contact Tracing is obtained for delays between 1-3 days. If only half of symptomatic cases are tested (and their contacts traced), this is similar to a 10 day delay.
Contact tracing indicators for COVID-19: Rapid scoping review and conceptual framework (Hong Kong, 2022) - Indicadores
Rapid Scoping Review Foram encontrados 153 indicadores em artigos Tipos de indicadores: Input, Process, Output, Outcome e Impact. 2/3 dos indicadores são Process Indicators. Grande parte dos indicadores foram: - indicadores de processo: "performance de investigação de casos" e "performance de identificação de contatos"; - indicadores de Output: "performance de isolamento de casos" e "performance de quarentena de contatos"; Como os recursos humanos e o treinamento são fatores de sucesso do Contact Tracing, torna-se bastante importante avaliá-los.
Contact tracing is an imperfect tool for controlling COVID-19 transmission and relies on population adherence (UK, 2021) - Eficacy
O Contact Tracing pode providenciar uma redução no R até 15% Os resultados demonstram que a aderência das pessoas e a partilha (sintomas, contactos...) são os fatores mais relevantes na eficácia do Contact Tracing. Além destes, é também de realçar a cobertura dos contatos e os atrasos no rastreamento. Em fevereiro de 2021, no Reino Unido, em média, por dia, cerca de 20.000 pessoas ignoraram o isolamento Quando é necessária uma maior cobertura dos contatos devido ao seu aumento, recomenda-se o uso de testes de alta eficiência (95% -PCR) em vez de testes rápidos (65% de eficiência). Para aumentar a aderência seria necessária intervenção ao nível dos mídia, suporte logístico e incentivos financeiros. Testar muito cedo ou muito tarde pode aumentar drasticamente os rácios de falsos negativos, muito embora o estudo considere a sensitividade constante ao longo do tempo.
Successful contact tracing systems for COVID-19 rely on effective quarantine and isolation (New Zeland, 2021) - Eficácia
New Zealand EpiSurv DataSet Data correspondente a um período em que vigoravam normas restritas de controlo, com recolher obrigatório. O Contact Tracing embora não controle o COVID-19 por si só, permite o alívio de medidas de distanciamento impostas à população. É de realçar que 0% de transmissão durante o isolamento é um cenário irrealista. A transmissão no isolamento aumenta com a diminuição das capacidades socioeconómica da população e aumento da insegurança no trabalho. A fração de assintomáticos existentes diminui com a idade. É considerado que 35% das transmissões ocorrem antes dos sintomas e que os assintomáticos têm uma capacidade de transmissão de 50% dos sintomáticos. Quando o período de Tracing ultrapassa os 6 dias, torna-se desnecessário, porque os contatos positivos já se identificaram como casos. Foram calculados 4 indicadores de performance: A)- proporção de casos secundários isolados/em quarentena até aos primeiros 4 dias de isolamento/quarentena do caso index. B)- proporção de casos secundários isolados/em quarentena até aos primeiros 4 dias pós sintomas do caso index. C)- proporção de casos secundários com sintomas até 4 dias após a infeção do caso index. D)- proporção de casos em quarentena antes do aparecimento de sintomas. O indicador A) é aquele que apresenta maior correlação com o Reff. É preferível um bom isolamento e mau contact tracing do que o contrário. Uma quarentena mais eficiente promove menor intervalo entre infeção dos casos index e infeção dos casos secundários (ou quarentena dos casos index e quarentena dos casos secundários), uma vez que os casos index não transmitem até tão tarde e já em quarentena. Na melhor das hipóteses, o Contact Tracing pode reduzir até 60% o Reff. Para medir a efectividade dos sistemas de controlo do COVID-19, é essencial ter em conta os pares index-case. A proporção de casos em quarentena antes de sintomas é um indicador pouco fiável. Soluções de Contact Tracing automáticas (apps) têm resultados menos favoráveis, mas são uma solução útil e promissora, pelo que é essencial desenvolvimento nesta área. Aumentar a capacidade e velocidade do Contact Tracing é mais cost-effective do que implementar medidas de distanciamento.
Fundamental limitations of contact tracing for COVID-19 (Canada, 2021) - Eficácia
O Contact Tracing é ineficiente devido aos atrasos na testagem, contacto e isolamento. O artigo propõe testagem rápida e barata e, também, testagem em grande escala em indivíduos de grande risco. O maior problema do Contact Tracing prende-se com o facto de o período de maior transmissibilidade ocorrer antes do aparecimento de sintomas. O artigo sugere fórmulas para a transmissibilidade (R, R0...) e para os parâmetros que a influenciam (atrasos, percentagem de contactos alcançada...) Através de fórmulas, é justificado que o Contact Tracing é ineficiente sem medidas de mitigação ou imunidade. Quando a tracing capacity é ultrapassada é preferível reduzir a cobertura do número de contactos do que aumentar os atrasos, uma vez que os beneficios do Contact Tracing são diretamente proporcionais à cobertura, mas decrescem mais do que linearmente com os atrasos. Além disso, quanto maior a incidência, maior a tendência para atrasos.
Effectiveness of Contact Tracing for Viral Disease Mitigation and Suppression: Evidence-Based Review (USA,2021) - Eficácia
- Artigo de Revisão Bibliográfica - Estuda o impacto do Contact Tracing na incidência. transmissão, hospitalização e mortalidade em várias pandemias, incluindo COVID-19 - A efetividade do Contact Tracing e outros NPIs depende da severidade da doença (do valor de R0), timing, duração, compliance, eficiência e número de casos assintomáticos. - Contact Tracing juntamente com outros NPIs consegue suprimir outbreaks - Contact Tracing apps podem ser bastante úteis no efectividade do Contact Tracing. - Limitação: só utiliza o PubMed; mistura artigos em que o Contact Tracing surge associado a outros NPI com artigos em que o Contact Tracing é analisado isoladamente.
Epidemiology and Regional Predictors of COVID-19 Clusters: A Bayesian Spatial Analysis Through aNationwide Contact Tracing Data (South Korea, 2021)
Amostra de 10.473 pessoas, cerca de 539 clusters. Os Clusters são responsáveis por uma maior transmissibilidade e mortalidade do que casos esporádicos de COVID-19, uma vez que os recursos médicos são limitados e nem sempre estão disponíveis para tratar instantaneamente uma porção da população. Há claras disparidades entre as populações de diferentes regiões, particularmente no que diz respeito ao acesso a testes de diagnóstico, capacidades socioeconómicas e características geográficas tais como nível de urbanização e conexões a outras regiões. O tamanho médio dos clusters foi de 19,21 pessoas e a duração média correspondeu a 9,24 dias. A idade média foi 52,2 anos. Elevado número de Clusters - unidades de saúde, posto de trabalho, maternidades e eventos religiosos. Clusters de maiores dimensões - Multilevel Marketing, restaurantes e outros negócios. O tamanho e a duração do Cluster depende do histórico de contatos e de Clusters anteriores. Medidas preventivas para a COVID-19 devem incluir gestão intensiva de atividades relacionadas com a medicina e religião (elevada duração e frequência), bem como restaurantes, negócios e multilevel marketing (grandes dimensões). Regiões vizinhas demonstram dependência e heterogeneidade simultaneamente. O risco de Clusters é maior em regiões com mais homens, população jovem, baixa vacinação contra a gripe, baixa monitorização e testagem e baixos rendimentos. Clusters com mais de 20 casos estavam correlacionados espacialmente.
Magnitude of asymptomatic COVID-19 cases throughout the course of infection: A systematic review and meta-analysis (2021) - Eficácia (Sintomas)
revisão sistemática e meta-analise (PRISMA) Aproximadamente 50% dos indivíduos que testam positivo não têm sintomas no momento da realização do teste. Segundo um estudo realizado em Singapura e na China, cerca de 6,4% e 12,6% dos casos de COVID-19 são originados por indivíduos assintomáticos, respetivamente. De acordo com outro estudo, realizado em 7 países, o período de incubação médio do vírus. corresponde a 7,44 dias, enquanto o período entre infeções de caso index e caso secundário corresponde a 6,7 dias. 25% dos casos de COVID-19 são assintomáticos. A solução passa por testagens em massa, que incluam essencialmente a população de alto risco.
Public Health, Environmental and Occupational Health
- Lancet Public Health, The (Open Access) - Annual Review of Public Health - Eurosurveillance (Open Access) - Epidemics - Prevention Science - Influenza and other Respiratory Viruses (Open Access) - Journal of Epidemiology and Community Health - Preventive Medicine - Human Resources for Health (Open Access) - Vaccine: X (Open Access) - BMC Public Health (Open Access) - Public Health Reviews (Open Access) - Safety Science - Journal of Exposure Science and Environmental Epidemiology - Epidemiology and health (Open Access) - European Journal of Public Health - Preventive Medicine Reports (Open Access) - Q2 Now - Journal of Infection and Public Health (Open Access) - Critical Public Health - Journal of Public Health - Archives of Public Health (Open Access) - Q2 Now
Epidemiology
- European Journal of Epidemiology - International Journal of Epidemiology - Emerging Infectious Diseases (Open Access) - Epidemics (Open Access) - Epidemiology - Q2 Now
- Distribuição de Notificações médicas por ID - Distribuição temporal do número de notificações - Distribuição temporal do número de IDs criados - Numero de vezes em que a notificação é feita por profissionais de saúde - Numero de vezes em que a notificação é feita no hospital - Numero de notificações por tipo de notificação médica
- Distribuição dos positivos por data - Distribuição dos negativos por data - Numero de exames em função da create date - Periodo do teste (fazer até resultado) em função da data - Numero médio de testes de lab por pessoa - Distribuição temporal do numero de autotestes e PCR
