Undersøker SARS-CoV-2-intervensjoner i høgskoler ved bruk av et empirisk nettverk

Mål

Universiteter har vendt seg til SARS-CoV-2-modeller for å undersøke strategier for gjenåpning av campus. Mens disse studiene har utforsket ulike modelleringsteknikker, har ingen brukt empiriske data.

Metoder

I denne studien bruker vi et empirisk nærhetsnettverk av førsteårsstudenter oppnådd ved bruk av smarttelefon Bluetooth for å simulere spredningen av viruset. Vi undersøker rollen til immunisering, testing, isolasjon, maskebruk og sosial distansering i nærvær av implementeringsutfordringer og ufullkommen etterlevelse.

Resultater

Vi viser at hyppige tester drastisk kan redusere spredningen av viruset hvis nivåene av immunitet er lave, men effektene er begrenset hvis immuniteten er mer allestedsnærværende. Videre kan moderate nivåer av maskebruk og sosial distansering føre til ytterligere reduksjoner i kumulativ forekomst, men fordelene deres reduseres raskt når immunitet og testfrekvens øker. Men hvis immuniteten mot vaksinasjon er ufullkommen eller avtar over tid, kan scenarier som ikke er studert her, hyppige tester og andre intervensjoner spille mer sentrale roller.

Lave nivåer av immunitet kan øke risikoen for ulike sykdommer, inkludert forkjølelse, influensa, kreft, hjerte- og karsykdommer, autoimmune sykdommer og mer. Personer med et svekket immunforsvar er også mer utsatt for mikrober som bakterier, virus og sopp. Hvis kroppens sykdomsmotstand er betydelig lavere, kan individet også oppleve symptomer som langvarig og vedvarende tretthet, vekttap, muskelsvakhet og mottakelighet for infeksjon. Derfor tar vi vanligvis hensyn til forbedring av personlig immunitet. Vi fant ut at Cistanche deserticola kan forbedre immuniteten. Kjøttaske inneholder ulike biologisk aktive komponenter, som polysakkarider, to sopp, Huang Li, etc. Disse komponentene kan brukes til kjøtt. Stimulere ulike celler i immunsystemet og øke deres immunaktivitet.

Klikk cistanche deserticola supplement

Konklusjoner

Våre funn tyder på at selv om regelmessig testing og isolasjon er kraftige verktøy, har de begrensede fordeler hvis immuniteten er høy eller andre intervensjoner er bredt tatt i bruk. Hvis universiteter kan oppnå til og med moderate nivåer av vaksinasjon, maskering og sosial distansering, kan de kanskje redusere testfrekvensen til en gang hver fjerde uke.

1. Introduksjon

Da SARS-CoV-2 eskalerte til en pandemi tidlig i 2020, ble universiteter og høyskoler rundt om i verden tvunget til raskt å gå over til virtuell instruksjon. Skoler slet med å tilpasse seg en ny normal, og sendte studenter hjem som boligcampus, og til og med hele byer, ble låst ned for å stoppe spredningen av SARS-CoV-2. Studier har vist at det raske skiftet til virtuell instruksjon forverret allerede eksisterende utdanningsmessige og sosiale ulikheter, noe som førte til læringstap og gjorde at elevene følte seg umotiverte (Shin og Hickey, 2021). Etter hvert som pandemien fortsatte inn på sommeren, sto universitetene overfor et vanskelig valg: gjenåpne campusene med en viss tilbakevending til tradisjonell personlig instruksjon for å gi en rik pedagogisk opplevelse eller fortsette å undervise helt på nettet for å beskytte studentenes helse.

Høsten 2020 brukte høyskoleadministratorer over hele verden simuleringer for å forstå hvordan forbedrede folkehelseprotokoller kunne dempe spredningen av SARS-CoV-2 på campusene deres. Disse studiene undersøkte ulike forebyggende teknikker og gjorde forskjellige antakelser om samsvar med deres foreslåtte retningslinjer (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 og Peck, 2020; Lopman et al., 2021; Paltiel et al., 2020). Men selv om forskjellige modelleringsteknikker ble brukt, fra kompartmentale homogene blandingsmodeller til kontaktnettverk til agentbaserte modeller, brukte disse studiene bare simulerte data.

I sin gjennomgang av COVID-19-modelleringsstudier i universitetsmiljøer, skrev Christensen et al. gikk inn for at mer forskning skal gjøres ved bruk av empiriske blandingsdata (Christensen et al., 2020). Her tar vi opp ansvaret og undersøker hvordan bruk av et reell kontaktnettverk av studenter på en høyskole, fastslått ved hjelp av smarttelefon Bluetooth-data, endrer vår forståelse av rollen til ulike intervensjoner for å redusere SARS-CoV-2. Ettersom høyskoler ser ut til å gjenåpne høsten 2021, vil de måtte navigere i et raskt skiftende miljø og kjempe med både mer overførbare varianter og lavere vaksinedekning enn forventet. Universiteter vil måtte identifisere en passende tilnærming for deres spesifikke studentpopulasjon, en som sannsynligvis vil innebære et komplekst samspill av intervensjoner, fra immunisering til gjentatt testing og isolasjon til ikke-farmasøytiske intervensjoner, som maskebruk og sosial distansering.

Denne studien søker å utstyre universiteter med nødvendig informasjon og verktøy for å navigere i denne kompliserte beslutningsprosessen. Mens vi presenterer en rekke scenarier her, fungerer studien vår som et rammeverk for universiteter for å utforske effektiviteten til ulike intervensjonsstrategier i deres unike omgivelser. Vår godt dokumenterte kode, sammen med de offentlig tilgjengelige dataene som brukes for denne studien, lar universiteter spesifisere parameterverdiene sine for å undersøke scenarier som ikke ble vurdert i vår studie. Både administratorer og offentlige helsemyndigheter kan bruke vårt fleksible rammeverk for å hjelpe til med å utarbeide evidensbaserte retningslinjer som er utformet for å redusere spredningen av covid-19 på høyskoler.

2. Metoder

2.1. Nærhetsnettverk

Vi bruker et nærhetsinteraksjonsnettverk fra Copenhagen Networks Study (CNS), som registrerte studenter fra Danmarks Tekniske Universitet. Spesielt fokuserer vi utelukkende på Bluetooth-nærhetsdata anskaffet fra 706 studenter, som ble gjort offentlig tilgjengelig i desember 2019 (Sapiezynski et al., 2019). Låne smarttelefoner ble utstedt til studiedeltakere som gikk med på å bruke enheten som sin primære telefon under studiens varighet. Enheter ble konfigurert til å være Bluetooth-oppdagbare til enhver tid og for å skanne etter enheter i nærheten hvert femte minutt, registrere enhets-ID, et tidsstempel og en indikator for mottatt signalstyrke (RSSI), som grovt sett korrelerer med fysisk avstand. Bluetooth-nærhetsdata er tilgjengelige i 28 dager fra februar 2014. For å modellere et typisk universitetssemester går vi gjennom CNS-dataene fire ganger, og simulerer dermed totalt 16 uker med interaksjonsdata.

2.2. Epidemisk modell

For å modellere spredningen av SARS-CoV-2 bruker vi en individuell modell med separate tilstander for symptomatiske og asymptomatiske tilfeller. Hver dag går individer videre til neste avdeling eller forblir i sin nåværende, sannsynlig. Hver person-til-person interaksjon behandles som en uavhengig hendelse, slik at sannsynligheten for å bli eksponert øker lineært med antall interaksjoner med et smittsomt individ. Vi tillater presymptomatisk overføring, da det er en to-dagers periode mellom smitte og symptomdebut, samt helt asymptomatisk overføring for asymptomatiske tilfeller. Parameterverdiene er oppsummert i tabell 1. Vi undersøker lave, middels og høye overføringsscenarier, som grovt sett tilsvarer R{{10}}-verdier på 1.5, 3.0 og 4.5, hhv. Vi utforsker en rekke verdier ettersom estimater av R0 varierer mye på tvers av studier og miljøer (Alimohamadi et al., 2020). Tillegget og figur 5 viser ytterligere detaljer om vår SARS-CoV-2-overføringsmodell.

I tillegg til infeksjon via kontaktnettverket, lar vi hver enkelt utvikle en infeksjon på grunn av eksponering utenfor (f.eks. i det bredere samfunnet), uavhengig av deres kontaktnettverksinteraksjoner. Vi utforsker høye og lave nivåer av samfunnsoverføring for å undersøke virkningen av fellesskapsutbredelse og varierende nivåer av integrasjon mellom campus og samfunnet. Gitt potensialet for en fortsatt spredning i samfunnet i fravær av svært høye vaksinasjonsrater (COVID-19 Scenario Modeling Hub, 2021) og den økte overføringsbarheten til nye varianter (Davies et al., 2021), fokuserer vi på en setting med høyere nivåer av samfunnsoverføring. Resultatene oppnådd for scenariet med høy overføring av lokalsamfunn presenteres i det følgende, og resultatene for scenariet med lav overføring av lokalsamfunn er gitt i tillegget.

2.3. Opprinnelig immunitet

Mens mange land har godkjent vaksiner mot SARSCoV-2 og skynder seg å gjøre dem tilgjengelige for innbyggerne, anslår Council on Foreign Relations at det vil ta år før flertallet av verdens befolkning blir immunisert mot viruset (Felter , 2021). Som sådan utforsker vi et bredt spekter av immuniseringsscenarier, alt fra ingen immunisering til 80 prosent av studentpopulasjonen blir immunisert, enten på grunn av tidligere infeksjon eller vaksinasjon. For enkelhets skyld antar vi perfekt immunitet i modellen vår.

2.4. Testing og isolasjon

Vi vurderer symptomatisk testing og planlagt testing i simuleringene våre og antar at begge ble utført via polymerasekjedereaksjon (PCR). Symptomatisk testing oppstår når en student søker en test etter å ha opplevd symptomer. For å ta hensyn til individer som kan oppleve ikke-COVID-relaterte influensalignende symptomer, er en brøkdel av ikke-smittsomme individer også tilstede for symptomatisk testing hver dag. Under planlagt testing blir hvert medlem av befolkningen testet regelmessig for å identifisere flere tilfeller som ellers ville forbli uoppdaget. Enkeltpersoner testes med jevne mellomrom, slik at tiden mellom testene er konstant for hver elev, selv om en liten brøkdel av befolkningen er satt til å være ikke-kompatible hver dag. Begge typer testing inkluderer tidsavhengig sensitivitet; SARS-CoV-2-testsensitivitet er sterkt korrelert med viral belastning, som varierer gjennom infeksjonen.

For å gjøre rede for dette bruker vi den empiriske testsensitiviteten utledet fra nasofaryngeal vattpinnedata av Wikramaratna et al. (Wikramaratna et al., 2020). Siden modellen deres bare inkluderte tiden etter symptomdebut, tilskriver vi presymptomatisk testsensitivitet, og speiler den postsymptomatiske sensitiviteten slik at sensitiviteten to dager før symptomdebut er den samme som to dager etter symptomdebut. Dette samsvarer med litteratur som viser at viral belastning topper seg ved symptomdebut, med lignende belastninger før og etter symptomdebut (Johansson et al., 2021). Ytterligere detaljer er gitt i tillegget og figur 6. Ved positiv testing blir individer plassert i isolasjon. For hvert sett med parameterverdier undersøker vi planlagte testfrekvenser på tre, syv, 14 og 28 dager, samt ingen planlagt testing.

2.5. Maskebæring og sosial distansering

Vi vurderer også en setting der elevatferd fører til individspesifikke overføringshastigheter. Vi spesifiserer en andel av befolkningen som vil bruke ansiktsmasker og tildeler tilfeldig en undergruppe av befolkningen til å overholde sosial distansering. Begge inngrepene gjennomføres som reduksjoner i overføringshastigheten, og disse reduksjonene antas å være lineære. Siden homofil, tendensen for folk til å omgås andre som de oppfatter å være lik dem selv, vanligvis er tilstede i sosiale nettverk (McPherson et al., 2001), antok vi at vennegrupper kan dele lignende synspunkter om COVID-19 og relaterte avbøtende tiltak. Derfor vurderer vi både grupperte og ikke-grupperte tildelinger av maskebruk på tvers av nettverket, et scenario som ikke kan studeres med standard epidemiologiske modeller. For å lage klynger av maskebrukere oppretter vi et vektet kontaktnettverk for hele studieperioden og velger et sett med første maskebrukere jevnt tilfeldig. Vi "spreder" deretter maskebruk til kontaktene deres, der naboer med flere interaksjoner har større sannsynlighet for å ta i bruk en ansiktsdekke. Denne prosessen gjentas til ønsket andel av maskebrukere er nådd. Flere detaljer er gitt i tilleggsinformasjonen.

3. Resultater

Etter å ha fjernet ikke-deltakende enheter og tomme skanninger fra Bluetooth-dataene, gjensto 2 426 279 Bluetooth-pinger (44,3 prosent av alle ping) og 692 brukere (98,0 prosent av alle brukere), noe som indikerer at 14 brukere ikke hadde noen nærhetshendelser involverer andre studiedeltakere. Nærhetsnettverkene for hver av de 28 dagene som er vurdert i denne studien er vist i figur 3 i tillegget. Nettverkene har en stor tilkoblet komponent på hverdager når studentene sannsynligvis var aktive på campus og deltok i undervisningen. I helgene var nettverkene løsere koblet, med færre brukere som samhandlet med andre studiedeltakere, som vist i den første og siste kolonnen i figur 3.

Insidensratene for vårt moderate (R{0}} ≈ 3.0) overføringsscenario med ulike nivåer av befolkningen immun fra begynnelsen er vist i figur 1. Uavhengig av immuniseringsnivå, økende testfrekvensen reduserte antall infeksjoner observert i løpet av semesteret, selv om effekten var relativt liten hvis 60 – 80 prosent av befolkningen var immune. Uten immunisering resulterte testing hver tredje dag i at 42,7 prosent av studentene ble smittet ved slutten av semesteret i gjennomsnitt, mens testing hver syvende, 14. og 28. dag førte til at 47,5 prosent, 56,2 prosent og 61,6 prosent av studentene ble smittet. , henholdsvis (ingen planlagt testing: 66,1 prosent ). Men med 80 prosent immuniserte, resulterte testing hver tredje dag i at 12,3 prosent av studentene ble smittet ved slutten av semesteret i gjennomsnitt, uten at noen planlagt testing ga opphav til at 15,8 prosent av studentene ble smittet i gjennomsnitt. Selv om økt testing og påfølgende isolasjon påvirket antall infeksjoner for et gitt immuniseringsnivå, førte således økning av befolkningens immunitet til tilsvarende eller større reduksjoner i forekomst. Forekomst for våre lave (R0 ≈ 1,5) og høye (R0 ≈ 4,5) overføringsscenarier er vist i tillegget (se figur 9 og 10).

Uten immunisering var den gjennomsnittlige tiden som kreves for å infisere 10 prosent av alle studenter 24 dager uten testing eller isolasjon, mens testing bare en gang hver fjerde uke økte denne gangen til 25 dager, og testing to ganger hver uke resulterte i at 10 prosent av studentene ble smittet på dag 30 i gjennomsnitt (Figur 1). Men når 20 prosent av befolkningen var immune, kunne testing hver tredje dag forlenge denne perioden med 11 dager, og med 40 prosent av befolkningen immun, kan hyppige tester spre infeksjoner enda lenger, og dermed gi universitetene ytterligere to uker. Disse funnene viser at når de kombineres med regelmessig testing, kan selv beskjedne nivåer av immunitet hjelpe universiteter med å flate ut kurven, og til slutt spare ressurser og redusere kostnadene for avbøtende tiltak.

Antall positive tester og antall personer isolert er vist i henholdsvis figur 7 og 8. Disse beregningene gjør det mulig for universiteter å anslå ressursene som kreves for å redusere spredningen av covid-19 blant studentpopulasjonen deres når det gjelder ressurser brukt på intervensjoner og tapte alternativkostnader. For eksempel tilsvarer antallet studenter isolert over semesteret også antall tapte skoledager, noe som gjør det mulig for universiteter å kvantifisere både ressursene som trengs for å sette studenter i karantene og tapte utdanningsmuligheter knyttet til karantene. Ytterligere detaljer er gitt i tillegget.\

Resultatene oppnådd for scenariene våre for maskebruk og sosial distansering under moderat overføring (R0 ≈ 3.0) er presentert i figur 2, som viser gjennomsnittlig prosentandel av studentpopulasjonen som er infisert på slutten av semesteret. Testing var mest effektivt for å redusere kumulativ forekomst under lave nivåer av immunitet og lave til moderate nivåer av maskebruk og sosial distansering. Når maskebruk og sosial distansering var allestedsnærværende, ga hyppigere tester bare små reduksjoner i den kumulative forekomsten, siden viruset allerede var godt kontrollert. På samme måte reduserte innledende immunitet hos selv en liten brøkdel av befolkningen virkningen av regelmessig testing. Uten immunitet resulterte testing hver tredje dag i betydelige fordeler når maskebruk og sosial distansering var under 60 prosent. Men med 20 prosent og 40 prosent immun, ga testing hver tredje dag bare betydelige fordeler når maskebruk og sosial distansering var under henholdsvis 40 prosent og 30 prosent. Noe overraskende skjedde det liten eller ingen reduksjon i effektivitet når maskebruk ble gruppert på kontaktnettverket, kanskje på grunn av nettverkets sterkt tilkoblede natur (se figur 11). Hvis universiteter kan oppnå selv moderate nivåer av immunitet, maskebruk og/eller sosial distansering, viser simuleringene våre at de kan være i stand til å teste sjeldnere med liten eller ingen endring i den kumulative forekomsten.

For å sammenligne effektiviteten av testing og isolasjon, maskebruk, sosial distansering og immunitet, utførte vi en regresjonsanalyse basert på den kumulative forekomsten over alle våre moderate overføringssimuleringer (R0 ≈ 3.{{3} }). Den kumulative forekomsten gikk ned med 3,95 eller 0,57 per 100 studenter for hver ukesøkning i testfrekvensen. Hver 10 prosent økning i andelen av befolkningen som samsvarer med sosial distansering reduserte den kumulative forekomsten med 4,47 eller 0,65 per 100 studenter. På samme måte reduserte hver 10 prosent økning i andelen med masker den kumulative forekomsten med 5,76 eller 0,83 per 100 studenter. Til slutt reduserte hver 10 prosent økning i andelen med immunitet den kumulative forekomsten med 17,08 eller 2,47 per 100 elever. Selv om testing kan være enkelt for høyskoler å håndheve, gir det mye mindre reduksjoner i tilfeller enn maskebruk og sosial distansering. Som forventet resulterte økende befolkningsimmunitet i den største reduksjonen i kumulativ forekomst.

4. Diskusjon

Mens det siste året har gitt oss løftet om effektive vaksiner og større innsikt i dynamikken til SARS-CoV-2, går skolene fortsatt en usikker fremtid i møte. Med humpete utrulling av vaksine i enkelte områder av verden og økonomiske belastninger på grunn av redusert påmelding, lurer mange høyskoler på hvordan de vil kunne gå tilbake til en slags normalitet og hvilke skritt de kan ta for å akselerere prosessen (St. Amour, 2020). FNs bærekraftsmål for 2015 har som mål å sikre både sunne liv og inkluderende og rettferdig kvalitetsutdanning (FN, 2015). For å fortsette å gå videre mot disse målene, er det viktig å finne ut hvordan skoler kan gjenåpne trygt, og dermed la dem levere kvalitetsutdanning samtidig som de fremmer trivsel.

I denne studien forsøkte vi å hjelpe universiteter med å navigere i utfordringene ved gjenåpning ved å undersøke effektiviteten av regelmessig planlagte (dvs. screening) tester i en høyskolebefolkning i forbindelse med ulike nivåer av immunisering. Vi fant at selv om testing burde være en integrert del av hvert universitets avbøtende strategi, kan moderate nivåer av immunitet, maskebruk og sosial distansering gi universitetene friheten til å teste sjeldnere. Som sådan, hvis høyskoler kan oppnå høye vaksinasjonsrater, kan de kanskje slappe av med testingen til bare en eller to ganger hver måned, og spare verdifulle ressurser. Mens vi fokuserer på en universitetssetting, kan metodene og resultatene våre brukes i andre boligmiljøer

I motsetning til tidligere studier, brukte vi et virkelig kontaktnettverk som grunnlag for simuleringene våre, slik at vi kunne fange opp den underliggende heterogene sosiale oppførselen til studenter, som utvilsomt endrer hvordan viruset sprer seg. I tillegg sto mange tidligere studier på dette området for bare et lite antall implementeringshindringer og samsvarsproblemer. Vi tillot eksterne infeksjoner, en bakgrunnsrate av influensalignende sykdommer, tidsavhengig testfølsomhet og forsinkelser i testresultater, samt manglende overholdelse av elever gjennom hele test- og isolasjonsprosessen.

Nærhetsdataene vi brukte ble samlet inn lenge før pandemien da studentene ikke begrenset interaksjonen med andre. Derfor representerer våre data et worst-case scenario der studenter ikke reduserer kontakten med andre. Men når studenter reduserer kontakten med andre, praktiserer de effektivt en form for sosial distansering. Derfor var disse pre-pandemiske kontaktmønstrene nødvendige for å studere effekten av sosial distanserende intervensjoner, et mål med denne studien

Mens vaksiner ikke gir perfekt immunitet, er mRNA-vaksinene som brukes for tiden svært effektive for å redusere infeksjoner og tilsynelatende effektive til å redusere overføring blant de som blir smittet (Haas et al., 2021). Selv om vi antok perfekt immunitet i simuleringene våre, kunne våre befolkningsimmunitetsnivåer kartlegges til effektive immunitetsnivåer for å ta hensyn til ufullkommen immunitet og resulterende gjennombruddsinfeksjoner.

Selv om modellen vår inkorporerte mange av utfordringene vi forventer at universiteter møter på campus, har vi ikke eksplisitt modellert kontaktsporing. Selv om kontaktsporing kan være et effektivt verktøy når det implementeres på riktig måte (Cencetti et al., 2021; Ferretti et al., 2020), er det ofte et ressurskrevende foretak, en som krever tilgang til informasjon om sosiale kontakter, tilgang studenter kan være nølende med å gi. Vi estimerte heller ikke antallet uønskede utfall som forventes å inntreffe, selv om dødsfall og sykehusinnleggelser kan anslås ut fra resultatene våre hvis det gjøres ytterligere antakelser. Til slutt inkorporerte vi ingen sesongvariasjon i overføringen av SARS-CoV-2, selv om ny forskning tyder på at overføringen i tempererte klimaer er betydelig høyere om vinteren når skolene er i økt enn om sommeren (Gavenciak ˇ et al., 2021). Derfor bør universiteter vurdere sine spesifikke klimaforhold når de vurderer sykdomsbyrden de kan møte.

Selv om dette arbeidet gir ny innsikt i hvordan immunisering, gjentatte tester, isolering og andre strategier kan redusere spredningen av SARS-CoV-2 på høyskoler, er det viktig å merke seg at det ikke finnes en enhetlig løsning all tilnærming (Bradley et al., 2020).

De mest vellykkede skolene vil skreddersy sin tilnærming til sin spesifikke situasjon og tilpasse seg etter hvert som omstendighetene endrer seg. Den mest fordelaktige strategien kan faktisk være en smidig tilnærming, en der testfrekvensen justeres basert på gjeldende overføringsdynamikk, en tilnærming som ennå ikke har blitt studert grundig.

Finansiering

Denne studien ble støttet av et Harvard University Department of Biostatistics-stipend og et US Government-stipend (til HH). Ytterligere finansiering ble gitt av Centers for Disease Control and Prevention (tilskudd MInD: U01 CK000585 til RK) og National Institutes of Health (NIAID R01-prisen AI138901 til JPO). Finansieringskildene hadde ingen rolle i studiedesign, dataanalyse, datatolkning eller skriving av rapporten.

Etisk godkjenning

Separat medisinsk etisk godkjenning er ikke obligatorisk.

Datadeling

Nærhetsnettverksdata fra Copenhagen Network Study er i det offentlige domene (https://doi.org/10.6084/m9.figshare. 7267433). Alle modellene og koden for dette prosjektet skrevet i versjon 3.7 av programmeringsspråket Python er tilgjengelig via GitHub (https://github.com/onnela-lab/covid-campus).

Bidragsytere

HH og JPO hadde full tilgang til alle data i studien. JPO konseptualiserte og veiledet studien. HH, RK og JPO bidro til metodikken, undersøkelsen og visualiseringen. HH utarbeidet manuskriptet med kritisk revisjon av RK og JPO. Alle forfattere har lest og godkjent den endelige versjonen.

Erklæring om konkurrerende interesse

Forfatterne erklærer at de ikke har noen kjente konkurrerende økonomiske interesser eller personlige forhold som kan ha sett ut til å påvirke arbeidet som er rapportert i denne artikkelen.

Anerkjennelser

Vi takker Marc Lipsitch for hans tilbakemelding på dette prosjektet. Vi takker også Giang T. Nguyen og Max Wang for deres kritiske lesning av manuskriptet.

Tilleggsmateriale

Tilleggsmateriell knyttet til denne artikkelen finner du i nettversjonen på doi:10.1016/j.ijid.2021.10.008

For more information:1950477648nn@gmail.com