Detectando surtos epidêmicos com exames de sangue de rotina: Uma comparação dos métodos de vigilância usando simulações COVID-19 e dados de doenças sazonais do mundo real

O que aconteceu

A detecção atempada de um surto epidêmico é essencial para implementar intervenções e limitar a propagação do patógeno. A digitalização da atenção à saúde tem levado à disponibilidade de dados atualizados e em larga escala sobre parâmetros sanguíneos rotineiramente testados. Estes dados podem ser usados para detectar o aparecimento de uma epidemia, que é particularmente importante quando um novo patógeno, anteriormente desconhecido, emerge para o qual não existem sistemas de teste disponíveis. Neste estudo, avaliamos a eficácia de várias abordagens matemáticas para detectar uma epidemia com base nos resultados de exames de sangue rotineiramente coletados. A avaliação foi realizada com dados simulados e reais. Primeiro, desenvolvemos o modelo baseado no agente BloodCovasim, que define a dependência da proteína C reativa (CRP) no tempo para cada indivíduo com base no curso de sua doença e simula a análise sanguínea. Utilizando dados sintéticos de milhares de simulações BloodCovasim, determinamos as características de diferentes métodos de detecção de surtos epidêmicos sob condições controladas. Em segundo lugar, usamos os mesmos métodos, mas os aplicamos a dados do mundo real sobre PCR da Rússia durante um período de aumento de doenças infecciosas sazonais (rhinovírus, adenovírus, coronavírus sazonais) associadas ao efeito retro-escolar. Em terceiro lugar, comparamos o método de detecção baseado na PCR com métodos baseados em um conjunto de biomarcadores inflamatórios obtidos a partir dos resultados do hemograma completo (CBC). Como resultado, verificamos que a aplicabilidade dos métodos depende do volume de dados recebidos. Com grandes quantidades de dados, eles demonstram resultados semelhantes em termos da probabilidade de detectar um surto. À medida que o número de testes diminui, os métodos de detecção baseados em testes estatísticos básicos perdem precisão mais rápido do que aqueles baseados em médias móveis, enquanto o detector baseado em AIC tem melhor desempenho. O uso de biomarcadores compostos aumenta a probabilidade de detectar um surto em comparação ao uso isolado de PCR. Estes resultados podem ajudar os epidemiologistas a selecionar abordagens matemáticas baseadas no volume de dados recebidos.