日本語AIでPubMedを検索
COVID-19の接触追跡戦略の有効性に対する遅延の影響：モデリング研究
Impact of delays on effectiveness of contact tracing strategies for COVID-19: a modelling study.
PMID: 32682487 PMCID: PMC7365652. DOI: 10.1016/S2468-2667(20)30157-2.
抄録
背景:
COVID-19の確定症例数が減少している国では、ロックダウン対策が徐々に解除されつつある。しかし、ほとんどの物理的距離を置く措置が継続されたとしても、流行を抑制するためには他の公衆衛生対策が必要となる。従来の方法やモバイルアプリ技術を用いた接触追跡は、物理的な距離の離隔が解除されている間の制御戦略の中心となっている。私たちは、接触追跡戦略が成功するための重要な要因を特定することを目的としました。
BACKGROUND: In countries with declining numbers of confirmed cases of COVID-19, lockdown measures are gradually being lifted. However, even if most physical distancing measures are continued, other public health measures will be needed to control the epidemic. Contact tracing via conventional methods or mobile app technology is central to control strategies during de-escalation of physical distancing. We aimed to identify key factors for a contact tracing strategy to be successful.
方法:
感染から症状発症までの時間遅延、症状発症から検査による診断、隔離（検査遅延）までの時間遅延を明示的に設定した確率論的数理モデルを用いて、接触者追跡戦略の様々なステップにおける適時性と完全性の影響を評価した。このモデルには、親密な接触者（例えば、家庭のメンバー）とカジュアルな接触者の追跡も含まれ、その後、症状に関係なく検査が行われ、検査が陽性の場合は隔離が行われた。我々は、物理的な距離をとる手段と、指標となる症例の隔離、およびその接触者の追跡と検疫に関するさまざまなシナリオを持つ集団について、接触者追跡戦略（R）の有効な繁殖数を計算した。
METHODS: We evaluated the impact of timeliness and completeness in various steps of a contact tracing strategy using a stochastic mathematical model with explicit time delays between time of infection and symptom onset, and between symptom onset, diagnosis by testing, and isolation (testing delay). The model also includes tracing of close contacts (eg, household members) and casual contacts, followed by testing regardless of symptoms and isolation if testing positive, with different tracing delays and coverages. We computed effective reproduction numbers of a contact tracing strategy (R) for a population with physical distancing measures and various scenarios for isolation of index cases and tracing and quarantine of their contacts.
発見事項:
最も楽観的なシナリオ（テストとトレースの遅延が0日、トレースのカバー率が100％）では、感染の約40％が症状の発症前に発生すると仮定して、モデルは、接触トレースを追加することによって、推定される有効生殖数1-2（物理的な距離のみの場合）が0-8（95％CI 0-7-0-9）に減少すると予測しています。このモデルはまた、テストとトレーシングのカバレッジを80%まで下げると、同様の削減が達成できることを示しています（R 0-8, 95% CI 0-7-1-0）。1日以上のテスト遅延では、トレース遅延が最大でも1日であるか、トレースカバレッジが80％以上でなければ、Rを1以下に抑えることはできません。 3日以上のテスト遅延では、最も効率的な戦略でもR値を1以下にすることはできません。 トレース遅延を最小化する効果（例えば、アプリベースの技術で）は、アプリ使用のカバレッジが低下するにつれて低下しますが、アプリベースのトレースだけでは、カバレッジが20％であっても、従来のトレースだけよりも効果的であり、再現数を2-5％と比較して17-6％減少させます。指標ケースあたりの送信を防ぐことができる割合は、テストとトレースの遅延に依存しており、0日のトレース遅延を与えると、0日のテスト遅延では79-9%まで、3日のテスト遅延では41-8%、7日のテスト遅延では4-9%までの範囲になります。
FINDINGS: For the most optimistic scenario (testing and tracing delays of 0 days and tracing coverage of 100%), and assuming that around 40% of transmissions occur before symptom onset, the model predicts that the estimated effective reproduction number of 1·2 (with physical distancing only) will be reduced to 0·8 (95% CI 0·7-0·9) by adding contact tracing. The model also shows that a similar reduction can be achieved when testing and tracing coverage is reduced to 80% (R 0·8, 95% CI 0·7-1·0). A testing delay of more than 1 day requires the tracing delay to be at most 1 day or tracing coverage to be at least 80% to keep R below 1. With a testing delay of 3 days or longer, even the most efficient strategy cannot reach R values below 1. The effect of minimising tracing delay (eg, with app-based technology) declines with decreasing coverage of app use, but app-based tracing alone remains more effective than conventional tracing alone even with 20% coverage, reducing the reproduction number by 17·6% compared with 2·5%. The proportion of onward transmissions per index case that can be prevented depends on testing and tracing delays, and given a 0-day tracing delay, ranges from up to 79·9% with a 0-day testing delay to 41·8% with a 3-day testing delay and 4·9% with a 7-day testing delay.
インタープリテーション:
我々のモデルでは、テストの遅延を最小化することが、往路の通信量を削減する上で最も大きな影響を与えました。テストとトレースの範囲を最適化し、例えばアプリベースの技術を用いてトレースの遅延を最小化することで、コンタクトトレースの有効性がさらに向上し、全送信の最大80％を防ぐことができる可能性があります。したがって、テストへのアクセスは最適化されるべきであり、モバイルアプリ技術はコンタクトトレースプロセスの遅延を減らし、コンタクトトレース範囲を最適化する可能性があります。
INTERPRETATION: In our model, minimising testing delay had the largest impact on reducing onward transmissions. Optimising testing and tracing coverage and minimising tracing delays, for instance with app-based technology, further enhanced contact tracing effectiveness, with the potential to prevent up to 80% of all transmissions. Access to testing should therefore be optimised, and mobile app technology might reduce delays in the contact tracing process and optimise contact tracing coverage.
資金提供:
ZonMw、Fundação para a Ciência e a Tecnologia、EU Horizon 2020 RECOVER。
FUNDING: ZonMw, Fundação para a Ciência e a Tecnologia, and EU Horizon 2020 RECOVER.
Copyright © 2020 The Author(s). Published by Elsevier Ltd. This is an Open Access article under the CC BY-NC-ND 4.0 license. Published by Elsevier Ltd.. All rights reserved.