Cet article est une Preprint
Les preprints sont des rapports de recherche préliminaires qui n'ont pas été certifiés par l’évaluation par les pairs. Ils ne devraient pas être considérés comme guidant la pratique clinique ou les comportements liés à la santé et ne devraient pas être rapportés dans les médias comme des informations établies.
Les preprints publiées en ligne permettent aux auteurs de recevoir des commentaires rapidement, et toute la communauté scientifique peut évaluer indépendamment le travail et répondre en conséquence. Ces commentaires sont publiés avec les preprints que quiconque peut lire et servir d’évaluation post-publication.
Substantial underestimation of SARS-CoV-2 infection in the United States due to incomplete testing and imperfect test accuracy (preprint)
medrxiv; 2020.
Preprint
Dans Anglais
| medRxiv | ID: ppzbmed-10.1101.2020.05.12.20091744
ABSTRACT
Accurate estimates of the burden of SARS-CoV-2 infection are critical to informing pandemic response. Current confirmed COVID-19 case counts in the U.S. do not capture the total burden of the pandemic because testing has been primarily restricted to individuals with moderate to severe symptoms due to limited test availability. Using a semi-Bayesian probabilistic bias analysis to account for incomplete testing and imperfect diagnostic accuracy, we estimated 6,275,072 cumulative infections compared to 721,245 confirmed cases (1.9% vs. 0.2% of the population) as of April 18, 2020. Accounting for uncertainty, the number of infections was 3 to 20 times higher than the number of confirmed cases. 86% (simulation interval 64-99%) of this difference was due to incomplete testing, while 14% (0.3-36%) was due to imperfect test accuracy. Estimates of SARS-CoV-2 infections that transparently account for testing practices and diagnostic accuracy reveal that the pandemic is larger than confirmed case counts suggest.
Texte intégral:
Disponible
Collection:
Preprints
Base de données:
medRxiv
Sujet Principal:
Syndrome respiratoire aigu sévère
/
COVID-19
langue:
Anglais
Année:
2020
Type de document:
Preprint
Documents relatifs à ce sujet
MEDLINE
...
LILACS
LIS