ارزیابی اولیه شدت بالینی SARS-CoV-2 نوع Omicron در آفریقای جنوبی: مطالعه پیوند داده

joanna.jia@wecistanche.com/ واتساپ: 008618081934791

خلاصه

زمینه

نوع نگرانی SARS-CoV-2 در آفریقای جنوبی در نوامبر 2021 شناسایی شد و با افزایشکووید-19موارد هدف ما ارزیابی شدت بالینی عفونت‌ها با نوع omicron با استفاده از شکست هدف ژن S (SGTF) در آزمایش PCR Thermo Fisher Scientific TaqPath COVID{0}} به عنوان یک پروکسی بود.

مواد و روش ها

ما پیوندهای داده را برای ملی، آفریقای جنوبی انجام دادیمکووید-19داده‌های مورد، داده‌های تست آزمایشگاهی SARS-CoV-2، داده‌های ژنوم SARS-CoV-2 وکووید-19داده های پذیرش در بیمارستان برای افراد مبتلا بهکووید-19از طریق تست‌های TaqPath PCR، عفونت‌ها به‌عنوان SGTF یا غیر SGTF تعیین شدند. واریانت دلتا با تعیین توالی ژنوم شناسایی شد. با استفاده از مدل‌های رگرسیون لجستیک چند متغیره، ما شدت بیماری و بستری شدن در بیمارستان را با مقایسه افراد مبتلا به عفونت SGTF در مقابل عفونت‌های غیر SGTF که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شده بودند، ارزیابی کردیم و شدت بیماری را با مقایسه افراد مبتلا به SGTF بین افراد مبتلا به SGTF که در No11 تشخیص داده شده بودند، ارزیابی کردیم. 30، 2021، با افراد آلوده به واریانت دلتا بین 1 آوریل و 9 نوامبر 2021 تشخیص داده شد.

یافته ها

از 1 اکتبر (هفته 39)، 2021، تا 6 دسامبر (هفته 49)، 2021، 161 328 موردکووید-19در آفریقای جنوبی گزارش شده است. {{0}} نفر از طریق تست های TaqPath PCR تشخیص داده شدند و 29 721 عفونت SGTF و 1412 عفونت غیر SGTF شناسایی شد. نسبت عفونت های SGTF از دو (3.2 درصد) از 63 در هفته 39 به 21 978 (97.9 درصد) از 22 455 در هفته 48 افزایش یافت. پس از کنترل عوامل مرتبط با بستری شدن در بیمارستان، افراد با عفونت‌های SGTF شانس پذیرش به‌طور قابل‌توجهی کمتر از افراد مبتلا به عفونت‌های غیر SGTF بود (256 [2,4 درصد ] از 10 547 در مقابل 121 [12,8 درصد] از 948؛ نسبت شانس تعدیل‌شده [aOR] {{ 25}}·2، 95 درصد CI 0·1–0·3). پس از کنترل عوامل مرتبط با شدت بیماری، شانس بیماری شدید بین افراد بستری شده در بیمارستان با عفونت SGTF در مقابل عفونت های غیر SGTF مشابه بود (42 [21 درصد] از 2{39}}4 در مقابل 45 [40 درصد] ] از 113؛ aOR 0·7، 95 درصد فاصله اطمینان (CI) 0·3–1·4). در مقایسه با افراد مبتلا به عفونت‌های واریانت دلتا قبلی، افراد آلوده به SGTF شانس بسیار کمتری برای بیماری شدید داشتند (496 [62·5 درصد] از 793 در مقابل 57 [23·4 درصد] از 244؛ aOR 0.3، 95 درصد فاصله اطمینان (CI) 0·2-0·5)، پس از کنترل عوامل مرتبط با شدت بیماری.

تفسیر

تجزیه و تحلیل های اولیه ما نشان می دهد که به طور قابل توجهی شانس بستری شدن در بیمارستان در میان افراد مبتلا به عفونت SGTF در مقابل عفونت های غیر SGTF که در همان دوره زمانی تشخیص داده شده اند، کاهش می یابد. افراد آلوده به SGTF در مقایسه با افرادی که قبلاً با واریانت دلتا آلوده شده بودند، به طور قابل توجهی شانس ابتلا به بیماری شدید را کاهش دادند. برخی از این کاهش شدت احتمالاً نتیجه ایمنی قبلی است.

منابع مالی

شورای تحقیقات پزشکی آفریقای جنوبی، وزارت بهداشت ملی آفریقای جنوبی، مراکز کنترل و پیشگیری از بیماری‌های ایالات متحده، انجمن پزشکی آزمایشگاهی آفریقا، مراکز کنترل و پیشگیری از بیماری‌های آفریقا، بنیاد بیل و ملیندا گیتس، Trust Wellcome و صندوق فلمینگ

cistanche pharma ویژه برای ایمنی

مقدمه

از زمان اولین مورد SARS-CoV-2 در مارس 2020، آفریقای جنوبی دارای سه موج اپیدمی بوده است که گونه های نگران کننده بتا (B.1.351) و دلتا (B.1.617.2) بر دومین و سومین موج غالب بوده اند. امواج به ترتیب در 24 نوامبر 2021، شبکه نظارت بر ژنومیک در آفریقای جنوبی (NGS-SA) نوع جدیدی از SARS-CoV{12}} را گزارش کرد که از نمونه های جمع آوری شده در 14 نوامبر 2021 در آفریقای جنوبی شناسایی شده بود. در ابتدا به دودمان B.1.1.529، به WHO.2 در 26 نوامبر 2021، به توصیه گروه مشاوره فنی در مورد تکامل ویروس SARS-CoV{23}}، WHO B.1.1.529 را به عنوان omicron تعیین کرد. ,3 نوع پنجم نگرانی. همزمان، افزایش سریعی درکووید-19موارد در استان گوتنگ، 2 آفریقای جنوبی، از هفته آغاز شده از 15 نوامبر 2021، با آزمایشگاه‌های آزمایش SARS-CoV{4}} افزایش تعداد نمونه‌های با شکست هدف ژن S (SGTF) را هنگام آزمایش در TaqPath گزارش کردند.کووید-19تست PCR (Thermo Fisher Scientific; Waltham, MA, USA). متعاقباً، افزایش موارد COVID{0}} و نمونه‌های مبتلا به SGTF در سایر استان‌های آفریقای جنوبی مشاهده شد که موج چهارم عفونت‌های SARS-CoV-2 را تشدید کرد. تا 16 دسامبر 2021، omicron در 87 کشور شناسایی شده بود و بسیاری از کشورها انتقال جامعه را گزارش کردند.

نوع نگرانی Omicron دارای تعداد زیادی جهش است که برخی از آنها به دلیل فرار ایمنی پیش بینی شده و افزایش عفونت نگران کننده هستند. اگرچه نوع omicron دارای چند جهش مشترک با C.1.2 (یک دودمان بسیار جهش یافته که قبلاً در آفریقای جنوبی شناسایی شده بود)، 4 بتا و انواع دلتا، دارای 22 جایگزین اضافی (از جمله درج و حذف) است که در هیچ‌یک از آنها دیده نمی‌شود. نوع مورد توجه یا نوع مورد علاقه تا به امروز. در میان این جایگزین‌ها، His{4}}Val70del در پروتئین اسپایک، که قبلاً در نوع آلفا (B.1.1.7) مشاهده شده بود، شناخته شده است که باعث ایجاد SGTF در TaqPath می‌شود.کووید-19تست PCR.

داده‌های مربوط به شدت بالینی نوع omicron در مقایسه با انواع قبلی SARS-CoV-2 برای راهنمایی برنامه‌ریزی و پاسخ بهداشت عمومی مورد نیاز است. DATCOV-Gen5 یک شبکه نظارتی آینده‌نگر است که داده‌های ژنوم SARS-CoV{6}} را به داده‌های اپیدمیولوژیک و بالینی دقیق در مورد موارد بستری در بیمارستان پیوند می‌دهد تا امکان ارزیابی سریع شدت و تظاهرات بالینی SARS-CoV در حال ظهور را فراهم کند. }} انواع نگرانی. هدف ما ارزیابی شدت عفونت‌های SARS-CoV{10}} با نوع omicron در آفریقای جنوبی با استفاده از SGTF به‌عنوان پروکسی برای نوع omicron بود.

فواید سالسا سیستانچدر مصونیت

مواد و روش ها

منابع داده و پیوند

در این مطالعه پیوند داده‌ها، داده‌های ملی، آفریقای جنوبی و در سطح فردی را از چهار منبع مرتبط کردیم: (1) داده‌های مورد ملی COVID-19 برای دوره 1 ژانویه تا 6 دسامبر 2021، گزارش شده در زمان واقعی به سیستم نظارت بر شرایط پزشکی قابل اطلاع موسسه ملی بیماری های واگیر (NICD) (NMCSS). (2) داده‌های آزمایش آزمایشگاهی SARS-CoV{8} (آزمایش استفاده شده و مقادیر آستانه چرخه PCR) برای دوره 1 اکتبر تا 6 دسامبر 2021، برای آزمایشگاه‌های بخش دولتی (سرویس آزمایشگاه ملی بهداشت همه داده‌های آزمایش را گزارش کرد) و یک آزمایشگاه بزرگ بخش خصوصی (فقط آزمایش های TaqPath PCR گزارش شده)؛ (3) داده‌های ژنوم SARS-CoV{14}} برای دوره 31 مارس 2020 تا 6 دسامبر 2021، برای نمونه‌های بالینی ارسال شده به NICD از آزمایشگاه‌های تشخیصی خصوصی و عمومی (عمدتاً از Gauteng، North West، Mpumalanga، و استان های کیپ شمالی) و از طریق برنامه نظارت بر ذات الریه7 در پنج استان (کیپ غربی، کوازولو-ناتال، شمال غربی، گوتنگ و مپومالانگا) جمع آوری شد. و (4) DATCOV (بین 31 مارس 2020 و 21 دسامبر 2021)، که یک سیستم نظارت فعال برای پذیرش در بیمارستان‌های COVID{26}} است، با پوشش جامع همه بیمارستان‌ها در آفریقای جنوبی.8

داده‌های مورد و بستری که ما استفاده کردیم از مجموعه داده‌های ملی، جامع و مبتنی بر جمعیت فوق‌الذکر شامل کل آفریقای جنوبی است. پایگاه داده ملی موارد COVID{1}} (NICD NMCSS) یک برنامه نظارتی مبتنی بر آزمایشگاه است که داده‌های الکترونیکی بلادرنگ را در مورد همه موارد تأیید شده در آزمایشگاه SARS-CoV-2 در آفریقای جنوبی دریافت می‌کند. گزارش پرونده ها طبق قانون اجباری و حسابرسی می شود. هر مورد توسط مقامات بهداشت عمومی بررسی می شود و خطاهای داده های شناسایی شده در پایگاه داده تصحیح می شود. داده‌های آزمایش آزمایشگاهی SARS-CoV-2 مورد استفاده در این تجزیه و تحلیل، داده‌های ملی هستند. آزمایشگاه‌های شامل (همه آزمایشگاه‌های بخش دولتی و یک آزمایشگاه بخش خصوصی) انتخاب شدند زیرا این آزمایشگاه‌ها قادر به ارائه داده‌هایی در مورد روش آزمایش PCR و مقادیر آستانه چرخه بودند و بیش از نیمی از همه SARS-CoV را نشان می‌دادند{11}} آزمایش‌هایی که در آفریقای جنوبی بین 1 اکتبر و 6 دسامبر 2021 انجام شده است. برنامه نظارت DATCOV قبلاً به تفصیل توضیح داده شده است. آفریقای جنوبی. در بیمارستان‌های بخش دولتی، داده‌ها از سوابق بیماران انتزاع می‌شوند و مستقیماً توسط گیرندگان داده اختصاصی گرفته می‌شوند، و در بیمارستان‌های خصوصی و بخش دولتی استان کیپ غربی، داده‌ها به‌صورت الکترونیکی در عصاره‌های انبوه روزانه از سیستم‌های داده بیمارستانی منتقل می‌شوند. DATCOV شامل بیمارانی می‌شود که به دلیل علائم کووید{19}} در بیمارستان بستری شده‌اند، بیماران مبتلا به عفونت اکتسابی SARS-CoV{21}} بیمارستانی، و افرادی که در هنگام بستری شدن در بیمارستان به دلایل دیگر، آزمایش آنها مثبت بوده است. داده‌های مورد و آزمایش در 6 دسامبر 2021 و داده‌های DATCOV در 21 دسامبر 2021 به‌دست آمد. برای بستری شدن در بیمارستان و تجزیه‌وتحلیل‌های شدت، موارد با نمونه‌هایی که قبل از 1 دسامبر 2021 جمع‌آوری شده بودند، سانسور شدند.

ما پیوند داده در سطح فردی را با استفاده از شناسه‌های منحصربه‌فرد زمانی که وجود داشتند انجام دادیم. در غیر این صورت از ترکیب نام، نام خانوادگی (نام خانوادگی) و تاریخ تولد استفاده کردیم. پس از پیوند داده ها، ترکیبی از بررسی های خودکار و دستی برای اطمینان از صحت استفاده شد. تأییدیه اخلاقی از کمیته اخلاق تحقیقات انسانی (پزشکی) دانشگاه ویتواترسرند برای جمع‌آوری داده‌های مورد و آزمایش COVID{1} به عنوان بخشی از نظارت بر بیماری‌های واگیر ضروری (M210752) و برای برنامه نظارت DATCOV اخذ شد. (M2010108).

تعاریف

هنگامی که یک فرد در آزمایش PCR TaqPath COVID{0}} با هدف ژن S غیرقابل تشخیص و آستانه چرخه 30 یا کمتر برای ORF1ab مثبت شد، عفونت ها به عنوان SGTF (به عنوان یک پروکسی برای نوع omicron) طبقه بندی شدند. برای جلوگیری از طبقه بندی نادرست عفونت هایی که ژن S برای آنها (به دلیل بار ویروسی کم) به عنوان SGTF (یعنی مقادیر آستانه چرخه بالا) شناسایی نشد، به آستانه چرخه 30 یا کمتر محدود شد. هنگامی که یک فرد در آزمایش PCR TaqPath COVID{6}} با آستانه چرخه 30 یا کمتر برای اهداف ژن ORF1ab یا نوکلئوکپسید و دارای هدف ژن S قابل تشخیص بود، عفونت‌ها به عنوان غیر SGTF طبقه‌بندی شدند. واریانت دلتا با تعیین توالی ژنوم شناسایی شد.

اگر فردی به یک مورد در پایگاه داده DATCOV با تاریخ پذیرش از 7 روز قبل تا 21 روز پس از تاریخ جمع آوری نمونه پیوند داده شود، به عنوان بستری در بیمارستان طبقه بندی می شود. ما پذیرش‌هایی را با تاریخ آزمایش قبل از پذیرش اضافه کردیم، زیرا ممکن است پزشکان در زمان بستری به عفونت SARS-CoV{3}} مشکوک نباشند، آزمایش‌های اولیه ممکن است منفی باشد یا عفونت از طریق بیمارستان اکتسابی شده باشد. بیماری شدید به عنوان یک بیمار بستری در بیمارستان که حداقل یکی از معیارهای زیر را داشته باشد تعریف شد: بستری در بخش مراقبت های ویژه (ICU). دریافت هر سطح از درمان اکسیژن. تهویه شد؛ دریافت اکسیژن غشاء خارج از بدن. سندرم دیسترس تنفسی حاد داشت یا فوت کرده بود. همبودی به عنوان وجود حداقل یکی از شرایط زیر تعریف شد: فشار خون بالا، دیابت، بیماری مزمن قلبی، بیماری مزمن کلیوی، آسم، بیماری مزمن انسدادی ریه، بدخیمی، HIV، و سل فعال یا قبلی. داده‌های مربوط به چاقی و بارداری در نظر گرفته نشد، زیرا این داده‌ها به‌طور سیستماتیک جمع‌آوری نشدند. عفونت مجدد توسط فردی تعریف شد که حداقل یک آزمایش COVID{4}} مثبت (چه مبتنی بر PCR یا مبتنی بر آنتی ژن) بیش از 90 روز قبل از آزمایش مثبت COVID-19 فعلی داشته باشد. واکسیناسیون به عنوان داشتن حداقل یک دوز از واکسن SARS-CoV{10}} (Ad.26.COV2.S [جانسون و جانسون] یا BNT162b2 [Pfizer-BioNTech]) تعریف شد.

تحلیل آماری

مقدار آستانه چرخه متوسط ​​(پراکسی برای بار ویروسی) برای همه آزمایش‌های PCR COVID{0}} مثبت بخش عمومی (هر آزمایش PCR) در طول موج اولیه omicron (هفته‌های 46-48؛ 14 نوامبر تا 4 دسامبر 2021) با موج اولیه دلتا (هفته‌های 18 تا 20؛ 2 تا 22 مه 2021) با استفاده از آزمون t Student مقایسه شد. دوره های موج اولیه از هفته قبل از عبور کشور از بروز هفتگی 30 مورد در هر 100000 نفر تا 2 هفته بعد تعریف شد. 10 هنگامی که آزمایش PCR شامل یک یا چند هدف ژنی بود، هدف با کمترین مقدار آستانه چرخه برای تحلیل و بررسی.

ما ویژگی‌های اپیدمیولوژیک عفونت‌های SGTF را با مقایسه افراد آلوده به SGTF با افراد غیر آلوده به SGTF که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شده بودند، افراد مبتلا به SGTF بستری در بیمارستان با افراد غیر آلوده به SGTF بستری در بین O11 تشخیص داده شده توصیف کردیم. 30، 2021، و افراد مبتلا به SGTF بستری در بیمارستان بین 1 اکتبر و 30 نوامبر 2021، با افراد مبتلا به نوع دلتا بستری که بین 1 آوریل و 9 نوامبر 2021 تشخیص داده شدند، با استفاده از تحلیل رگرسیون لجستیک چند متغیره.

شدت عفونت‌های SARS-CoV-2 به دو روش ارزیابی شد: (1) با مقایسه افراد مبتلا به SGTF در مقابل عفونت‌های غیر SGTF تشخیص داده شده بین 1 و 30 نوامبر 2021 و (2) توسط مقایسه افراد مبتلا به عفونت های واریانت دلتا که بین 1 آوریل و 9 نوامبر 2021 تشخیص داده شده بودند، با افراد آلوده به SGTF که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شده بودند. داده های بستری و شدت برای موارد در 21 دسامبر 2021 به دست آمد. حداقل 3 هفته پیگیری برای پذیرش در بیمارستان و نتایج درون بیمارستانی. در میان افراد مبتلا به کووید{20}} در پایگاه داده DATCOV که بین 5 مارس 2020 تا 18 دسامبر 2021 در بیمارستان بستری شدند، میانگین زمان از پذیرش تا نتیجه درون بیمارستانی 6 روز بود (IQR 3-11 روز؛ n{{{ 29}}) به طور کلی، 5 روز (2-11؛ n=94938) برای افرادی که فوت کردند، و 6 روز (3-10؛ n=304845) برای افرادی که زنده ترخیص شدند. بنابراین، ما احتمالاً با حداقل پیگیری 3 هفته، بسیاری از نتایج را از دست نمی دهیم. تجزیه و تحلیل‌های شدت محدود به پذیرش‌هایی بود که قبلاً نتایج انباشته‌ای داشتند و همه بیماران هنوز در بیمارستان مستثنی شدند، زیرا در برنامه DATCOV، اطلاعات دقیق در مورد بستری شدن در بیمارستان‌های بخش دولتی (به عنوان مثال، اکسیژن درمانی یا پذیرش ICU) در زمان ترخیص پر است. یا مرگ

دو مدل برای ارزیابی بستری شدن و بیماری شدید در بین افراد بستری در بیمارستان به عنوان متغیرهای پیامد تولید شد. رگرسیون لجستیک چند متغیره برای ارزیابی ارتباط عفونت SGTF در مقابل عفونت غیر SGTF با بستری شدن در بیمارستان در بین افراد مبتلا به کووید{1}} که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شده بودند، انجام شد. ما عوامل مرتبط با بستری شدن را کنترل کردیم (یعنی ، سن، جنس، استان، و بخش مراقبت های بهداشتی [خصوصی در مقابل عمومی]) و برای عفونت شناخته شده قبلی SARS-CoV-2 تنظیم شده است. داده ها در مورد وضعیت واکسیناسیون و بیماری های همراه فقط برای افراد بستری در بیمارستان در دسترس بود. بنابراین، ما نتوانستیم این متغیرها را در این تحلیل کنترل کنیم. رگرسیون لجستیک چند متغیره برای ارزیابی ارتباط عفونت SGTF در مقابل عفونت غیر SGTF با شدت بیماری در بین افراد بستری شده در بیمارستان با تشخیص COVID-19 بین 1 اکتبر و 30 نوامبر 2021 انجام شد، که محدود به افراد با نتیجه شناخته شده در بیمارستان است. در 21 دسامبر 2021 (به استثنای کسانی که هنوز در بیمارستان هستند). ما عوامل مرتبط با شدت بیماری را کنترل کردیم (یعنی سن، وجود بیماری همراه، جنس، استان و بخش مراقبت های بهداشتی) و تعداد روزهای بین تاریخ جمع آوری نمونه و تاریخ پذیرش در بیمارستان را تنظیم کردیم. عفونت قبلی SARS-CoV{17}} و وضعیت واکسیناسیون SARS-CoV{19}}.

ما عفونت‌های واریانت دلتا را که بین 1 آوریل و 9 نوامبر 2021 تشخیص داده شده بودند، با عفونت‌های SGTF که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شدند، مقایسه کردیم. رگرسیون لجستیک چند متغیره برای ارزیابی ارتباط عفونت‌های SGTF در مقابل عفونت‌های واریانت دلتا با شدت بیماری در بین افراد بستری انجام شد. ، محدود به افرادی با نتیجه مشخص در بیمارستان در 21 دسامبر 2021 (به استثنای افرادی که هنوز در بیمارستان هستند). ما عوامل مرتبط با شدت بیماری (یعنی سن، وجود بیماری همراه، جنس، استان و بخش مراقبت‌های بهداشتی) را کنترل کردیم و تعداد روزهای بین جمع‌آوری نمونه و بستری در بیمارستان را که SARS-CoV قبلی شناخته شده بود، تنظیم کردیم{10}} عفونت و وضعیت واکسیناسیون SARS-CoV{12}}. ما خطر بستری شدن در بیمارستان را بین افراد مبتلا به عفونت‌های واریانت دلتا و مبتلایان به عفونت‌های SGTF مقایسه نکردیم زیرا نمونه‌های توالی‌یابی شده برای واریانت دلتا مبتنی بر جمعیت نبودند و تنها زیرمجموعه کوچکی از عفونت‌های واریانت دلتا را نشان می‌دادند که برای تعیین توالی به NICD فرستاده شدند. .

متغیرهای طبقه بندی با استفاده از توزیع فراوانی خلاصه و با استفاده از آزمون χ2 پیرسون مقایسه شدند. تعاملات زوجی با گنجاندن شرایط محصول برای همه متغیرهای باقی مانده در مدل‌های افزودنی چند متغیره نهایی ارزیابی شد. تجزیه و تحلیل با استفاده از Stata نسخه 14.1 انجام شد. مقادیر p کمتر از 0·05 از نظر آماری معنی دار در نظر گرفته شد.

نقش منبع تامین مالی

سرمایه‌گذاران این مطالعه هیچ نقشی در طراحی مطالعه، جمع‌آوری داده‌ها، تجزیه و تحلیل داده‌ها، تفسیر داده‌ها یا نوشتن گزارش نداشتند.

نتایج

از 1 اکتبر (هفته 39)، 2021، تا 6 دسامبر (هفته 49)، 2021، 161328 مورد کووید-19 در سطح کشور گزارش شد، که از این تعداد، 104529 (64,8 درصد) از آزمایشگاه‌های موجود در آنالیز ما بودند ( ضمیمه صفحات 6-7). از این تعداد 104 529، 38282 (36.6 درصد) از طریق تست TaqPath COVID{17}} PCR تشخیص داده شدند. در میان موارد تشخیص داده شده با تست TaqPath PCR، 31 133 (81 · 3 درصد) دارای مقدار آستانه چرخه 30 یا کمتر برای حداقل یک هدف ژنی بود که از این تعداد 29721 (95.5 درصد) عفونت SGTF و 1412 بود. (5/4 درصد) عفونت های غیر SGTF بودند. تمام نمونه‌های SGTF با داده‌های ژنومی، تا تاریخ ۱۴ دسامبر ۲۰۲۱، به‌عنوان omicron (n{31}}) تأیید شدند. نسبت عفونت SGTF از دو (3.2 درصد) از 63 در هفته 39 به 21978 (97.9 درصد) از 22455 در هفته 48 سال 2021 افزایش یافته است (شکل 1). نسبت عفونت های SGTF ابتدا در استان گاوتنگ در هفته 43 شروع به افزایش کرد (هفته ای که از 24 اکتبر 2021 شروع می شود؛ پیوست ص 8). افزایش شدید نسبت عفونت‌های SGTF متعاقباً در تمام استان‌های دیگر شناسایی شد، و تا هفته 47، بیشتر عفونت‌های SARS-CoV{49}} در همه استان‌ها عفونت‌های SGTF بودند (پیوست ص 8). میانگین مقدار آستانه چرخه برای همه آزمایش‌های PCR مثبت در بخش عمومی در طول موج اولیه omicron (23·95 [SD 6·06]؛ n=16542) کمتر از موج اولیه عفونت واریانت دلتا بود. 26·98 [6·52]؛ n=10022؛ ص<>

ما ویژگی‌های همه افراد مبتلا به عفونت SGTF تشخیص داده شده بین 1 اکتبر و 30 نوامبر 2021 را با ویژگی‌های افراد مبتلا به عفونت‌های غیر SGTF در همان دوره مقایسه کردیم. در تجزیه و تحلیل های چند متغیره، علاوه بر نسبت عفونت های SGTF در مقابل عفونت های غیر SGTF که به طور قابل توجهی بر اساس استان جغرافیایی متفاوت است، افراد مبتلا به عفونت SGTF بیشتر در سنین 5-59 سال (در مقابل بیش از یا مساوی 60 سال) قرار دارند و تشخیص داده می شوند. بخش خصوصی (در مقابل بخش دولتی) و نسبت به افراد مبتلا به عفونت های غیر SGTF کمتر در بیمارستان بستری شدند (جدول 1). نتایج مشابهی هنگام مقایسه ویژگی‌های بین افراد مبتلا به SGTF بستری در بیمارستان و افراد غیر آلوده به SGTF بستری که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شده بودند (پیوست صفحات 1 تا 3) و هنگام مقایسه افراد مبتلا به SGTF بستری در بیمارستان که بین 1 و 1 اکتبر تشخیص داده شده بودند، یافت شد. 30، 2021، با افراد مبتلا به واریانت دلتا بستری در بیمارستان که بین 1 آوریل و 9 نوامبر 2021 تشخیص داده شدند (پیوست صفحات 3-5).

از 10 547 افراد مبتلا به عفونت SGTF که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شد، 256 نفر (2.4 درصد) در بیمارستان بستری شدند، در مقایسه با 121 (12.8 درصد) از 948 فرد غیر SGTF. عفونت ها (ص<0·001; table="" 2).="" in="" multivariable="" analyses,="" after="" controlling="" for="" factors="" associated="" with="" hospitalization,="" individuals="" with="" sgtf="" infections="" had="" significantly="" lower="" odds="" of="" being="" admitted="" to="" hospital="" than="" did="" individuals="" with="" non-sgtf="" infections="" (adjusted="" odds="" ratio="" [aor]="" 0·2,="" 95%="" ci="" 0·1–0·3;="" table="" 2).="" in="" addition="" to="" variation="" by="" geographical="" province,="" hospital="" admission="" was="" significantly="" associated="" with="" young="" age=""><5 years;="" aor="" 9·3)="" and="" older="" age="" (≥60="" years;="" aor="" 3·1)="" compared="" with="" individuals="" aged="" 19–24="" years,="" and="" female="" sex="" (aor="" 1·3)="" versus="" male="" sex="" (table="" 2).="" individuals="" diagnosed="" by="" the="" private="" versus="" the="" public="" healthcare="" sector="" were="" less="" likely="" to="" be="" admitted="" to="" hospitals="" (aor="" 0·8;="" table="">

از بین 382 بیمار بستری شده در بیمارستان که بین 1 اکتبر و 3 نوامبر تشخیص داده شده بود، 2021، 317 (83 درصد) تا 21 دسامبر 2021 نتیجه داخل بیمارستانی داشتند. پس از کنترل عوامل مرتبط با بیماری شدید، تخمین نقطه‌ای برای شانس ابتلا به بیماری شدید در افراد مبتلا به عفونت‌های SGTF در مقابل عفونت‌های غیر SGTF کمتر از 1 بود، اما 95 درصد فاصله اطمینان (CI) گسترده بود (aOR 0·7، 95 درصد CI 0 ·3–1·4؛ جدول 3). شانس ابتلا به بیماری شدید از نظر جغرافیایی متفاوت بود و به طور قابل توجهی در بین افراد 60 ساله یا بالاتر (aOR 11 · 5) بیشتر از افراد 19-24 ساله بود (جدول 3).

از 31 مارس 2020 تا 6 دسامبر 2021، 1734 بیمار مبتلا به کووید{5}} بستری در بیمارستان وجود داشت که اطلاعات متفاوتی برای آنها در دسترس بود، چه از طریق توالی ژنوم (غیر متغیر، آلفا، بتا، یا دلتا) یا TaqPath PCR (SGTF به عنوان یک پروکسی برای نوع omicron بین 1 اکتبر و 6 دسامبر 2021). از این 1734، 792 نفر (7/45 درصد) از 1 آوریل 2021 (هفته 13) تا 9 نوامبر 2021 (هفته 45) به واریانت دلتا آلوده شدند و 212 نفر (2/12 درصد) دارای عفونت SGTF از 1 اکتبر 2021، (هفته 39) تا 6 دسامبر 2021 (هفته 49؛ شکل 2).

از بین 1142 فرد بستری شده در بیمارستان، 1037 (90·8 درصد) تا 21 دسامبر 21، 2{18}} نتیجه درون بیمارستانی داشتند. پس از کنترل عوامل مرتبط با بیماری شدید، افراد مبتلا به عفونت SGTF که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شده بودند، شانس ابتلا به بیماری شدید بسیار کمتری نسبت به افراد مبتلا به عفونت‌های واریانت دلتا داشتند که بین 1 و 9 نوامبر 2021 تشخیص داده شدند. 0·3، 95 درصد CI 0·2–0·5؛ جدول 4). علاوه بر تغییرات براساس استان جغرافیایی، سن بالاتر (40 تا 59 سال و بیشتر یا مساوی 60 سال در مقابل 19 تا 24 سال) و داشتن یک بیماری همراه با افزایش احتمال ابتلا به بیماری شدید همراه بود (جدول 4). افراد 13 تا 18 سال (در مقابل 19 تا 24 سال) و زنان (در مقایسه با مردان) شانس کمتری برای ابتلا به بیماری شدید داشتند (جدول 4).

بحث

در نوامبر 2021، همزمان با افزایش سریع تعداد موارد گزارش‌شده کووید-19، نوع omicron SARS-CoV-2 در آفریقای جنوبی ظهور کرد که منجر به موج چهارم همه‌گیری شد. اگرچه مطالعات متعددی برای ارزیابی سریع رفتار فنوتیپی و فرار ایمنی در حال انجام است، اما درک شدت بالینی عفونت‌ها با نوع omicron نیز ضروری است. ما شدت عفونت‌های SGTF (نمایشی برای نوع omicron) را با مقایسه آنها با عفونت‌های غیر SGTF تشخیص داده شده در همان دوره و عفونت‌های با واریانت دلتا، که بر موج سوم در آفریقای جنوبی غالب بود، ارزیابی کردیم. افراد مبتلا به عفونت SGTF در مقایسه با عفونت های غیر SGTF 80 درصد شانس کمتری برای بستری شدن در بیمارستان داشتند، اما ما قادر به نتیجه گیری قطعی در مورد خطر ابتلا به بیماری شدید در بین افراد بستری در بیمارستان نبودیم، احتمالاً به دلیل تعداد کم افراد شامل. در این تحلیل در مقایسه با عفونت های واریانت دلتا، عفونت های SGTF با 70 درصد کمتر احتمال ابتلا به بیماری شدید همراه بود. علاوه بر این، ما دریافتیم که میانگین آستانه چرخه PCR در طول موج اولیه omicron نسبت به موج اولیه دلتا کمتر بود، که ممکن است بارهای ویروسی بالاتر را در افراد آلوده به نوع omicron در مقابل واریانت دلتا منعکس کند.

داده‌های برنامه نظارت DATCOV نسبت بیشتری از پذیرش را در میان افراد جوان‌تر از 20 سال در اوایل موج چهارم در مقایسه با موج سوم نشان داده است.11 در مطالعه ما همچنین دریافتیم که افراد آلوده به SGTF جوان‌تر از افراد غیر مبتلا بودند. عفونت های SGTF یا دلتا؛ این اثر محدود به کودکان نبود، زیرا عفونت‌های SGTF (در مقایسه با غیر SGTF یا دلتا) در گروه‌های سنی جوان‌تر (مثلاً 19 تا 24 سال) نسبت به گروه سنی بزرگسالان بزرگ‌تر (بیش از یا مساوی 60 سال) بیشتر بود. ). این یافته می تواند به افزایش ایمنی در افراد مسن در نتیجه نرخ بالاتر عفونت قبلی یا واکسیناسیون مربوط باشد.

یافته‌های ما با داده‌های بستری شدن در بیمارستان مرتبط است که نشان می‌دهد از میان 1061 بیمار در آفریقای جنوبی مبتلا به کووید-19 و یک پیامد بیمارستانی شناخته شده، 324 نفر (30.5 درصد) این بیماری شدید را در اوایل موج چهارم داشتند. در مقایسه با 943 (67·0 درصد) از 1408 بیمار در طول موج سوم اولیه.11 تا نوامبر 2021، نسبت بالایی از جمعیت آفریقای جنوبی در نتیجه ایمنی طبیعی قبلی، سطحی از ایمنی SARS-CoV{12}} داشتند. عفونت، واکسیناسیون یا هر دو. پس از موج سوم SARS-CoV{14}}، 60 تا 70 درصد از افراد در آفریقای جنوبی شواهدی از عفونت قبلی SARS-CoV{18}} داشتند. 60 سال یا بیشتر، 55 درصد در سنین 50-59 سال، 43 درصد در رده سنی 35-49 سال و 24 درصد در سنین 18-34 سال به طور کامل علیه SARS-CoV{34}} واکسینه شدند (یک دوز Ad.26. COV2 .S [جانسون و جانسون] یا دو دوز BNT162b2 [Pfizer-BioNTech]. 13 پیشنهاد شده است که نوع omicron قابلیت فرار ایمنی را در مقایسه با سایر انواع به طور قابل توجهی افزایش داده است.15 این یافته، همراه با سطوح بالای پیش -ایمنی موجود در آفریقای جنوبی در زمان ظهور نوع omicron، به این معنی است که نسبت بالایی از عفونت‌های omicron احتمالاً عفونت مجدد هستند و این نسبت ممکن است برای omicron بیشتر از عفونت‌های همزمان با انواع دیگر باشد. در آفریقای جنوبی، در طول موج اول و دوم کووید-19، کمتر از یک مورد از هر ده مورد SARS-CoV-2 تشخیص داده شد.16 ما در تجزیه و تحلیل خود، افراد مبتلا به عفونت های تشخیص داده شده و قبلا گزارش شده را در نظر گرفتیم. ، اما، در بسیاری از موارد، این احتمال وجود دارد که عفونت قبلی تشخیص داده نشده باشد. اگر عفونت‌های مجدد شدت کمتری نسبت به عفونت‌های اولیه داشته باشند، این واقعیت می‌تواند تا حدودی دلیل کاهش شدت بیماری مشاهده‌شده در افراد آلوده به نوع omicron باشد. 18،19 با داده‌های موجود، نمی‌توان مشارکت نسبی سطوح بالای ایمنی جمعیت در مقابل حدت ذاتی کمتر را با شدت کمتر مشاهده‌شده بیماری در نوع Omicron در مقابل نوع دلتا تفکیک کرد. داده‌های ناقص واکسیناسیون، و این واقعیت که بسیاری از عفونت‌های قبلی احتمالاً شناسایی نشده‌اند، منجر به تنظیم ناقص تأثیر ایمنی قبلی در تجزیه و تحلیل‌های ما شد.

cistanche propiedadesبرایمصونیت

این مطالعه دارای چندین محدودیت است. اول، عفونت‌های SGTF تنها زمانی قابل شناسایی بودند که تست TaqPath COVID{0}} PCR برای نمونه‌هایی با بارهای ویروسی بالا (آستانه چرخه کمتر یا مساوی 30) استفاده شود. بنابراین، تعداد عفونت‌های SGTF دست‌کم گرفته شده و نسبت به مناطق جغرافیایی که در آن روش TaqPath بیشتر مورد استفاده قرار می‌گرفت، تعصب دارد. دوم، SGTF به عنوان یک پروکسی برای تشخیص نوع omicron استفاده شد. SGTF همچنین ممکن است نوع آلفا را شناسایی کند و به طور پراکنده در انواع دیگر رخ دهد، بنابراین برخی از عفونت ها ممکن است به اشتباه به عنوان omicron طبقه بندی شده باشند.

با این حال، ما تنها پس از 1 اکتبر 2021 از SGTF به عنوان یک پروکسی برای omicron استفاده کردیم، و داده های ژنوم تولید شده توسط NGS-SA از آگوست 2021، نوع آلفا را در آفریقای جنوبی شناسایی نکردند، و در اوج آن، نوع آلفا تنها بود. در 58 (6 درصد) از 965 نمونه در مه، 2021 شناسایی شد. 20 Omicron به سه زیرشاخه طبقه‌بندی شده است که یکی از آنها (BA.2) حاوی His{10} Val70del نیست و بنابراین با SGTF قابل شناسایی نیست. داده های ژنومی از نوامبر 2021، در آفریقای جنوبی، نشان داد که از 881 توالی omcron، 872 (99 درصد) BA.1، یک (<1%) was="" ba.2,="" and="" eight="" (1%)="" were="" ba.3.20="" although="" genome="" data="" for="" non-sgtf="" infections="" were="" not="" available,="" of="" samples="" sequenced="" in="" south="" africa,="" 617="" (84·2%)="" of="" 733="" were="" delta="" and="" one="" (0·1%)="" of="" 733="" was="" omicron="" in="" october="" 2021,="" and="" 148="" (13·7%)="" of="" 1082="" were="" delta="" and="" 881="" (81·4%)="" of="" 1082="" were="" omicron="" in="" november="" 2021,="" suggesting="" that="" the="" majority="" of="" non-sgtf="" infections="" were="" delta.20="" third,="" our="" analysis="" was="" done="" during="" the="" early="" fourth="" wave,="" in="" which="" numbers="" of="" people="" with="" covid-19="" were="" small,="" patients="" with="" milder="" symptoms="" were="" more="" likely="" to="" be="" admitted="" to="" the="" hospital="" (compared="" with="" peak="" wave="" periods),="" and="" there="" could="" have="" been="" a="" lag="" in="" hospitalizations="" and="" severe="" disease="" outcomes="" caused="" by="" the="" omicron="" variant.="" we="" accounted="" for="" this="" limitation="" by="" only="" including="" hospitalized="" patients="" with="" known="" outcomes,="" censoring="" cases="" to="" ensure="" at="" least="" 3="" weeks="" of="" follow-up,="" and="" adjusting="" for="" the="" time="" interval="" between="" diagnosis="" and="" hospitalization="" in="" the="" severity="" models.="" the="" inclusion="" of="" individuals="" only="" with="" accumulated="" in-hospital="" outcomes="" could="" have="" biased="" individuals="" with="" sgtf="" infections="" towards="" shorter="" hospital="" stays;="" hence,="" this="" result="" should="" be="" interpreted="" with="" caution.="" fourth,="" we="" compared="" individuals="" with="" covid-19="" during="" the="" full="" delta="" wave="" to="" those="" with="" covid-19="" during="" the="" ascending="" phase="" of="" the="" omicron="" wave,="" which="" could="" have="" biased="" comparisons="" if="" case="" characteristics="" differ="" between="" ascending="" and="" descending="" wave="" phases="" or="" if="" the="" threshold="" for="" hospitalization="" changed="" in="" the="" different="" time="" periods.="" data="" from="" the="" datcov="" program="" suggest="" that="" the="" proportion="" of="" patients="" with="" severe="" covid-19="" does="" not="" vary="" substantially="" through="" the="" different="" wave="" phases.11="" finally,="" we="" only="" had="" information="" on="" vaccination="" status="" for="" hospitalized="" individuals="" with="" covid-19,="" which="" was="" also="" based="" on="">

علیرغم اینکه نوع omicron اخیراً شناسایی شده است، افزایش سریع شیوع عفونت های SGTF در تمام استان های آفریقای جنوبی در طول نوامبر 2021، با جایگزینی تقریباً کامل واریانت دلتا در یک دوره 4 هفته ای وجود داشته است. تحلیل‌های اولیه ما نشان‌دهنده کاهش قابل‌توجه خطر بستری شدن در بیمارستان در بین افراد آلوده به SGTF در مقایسه با افراد غیر آلوده به SGTF است که بین 1 اکتبر و 30 نوامبر 2021 تشخیص داده شده است، و کاهش خطر بیماری شدید در بین افراد آلوده به SGTF در مقایسه با واریانت دلتا. افراد آلوده ایمنی (به دلیل عفونت قبلی، واکسیناسیون یا هر دو) در افراد آلوده به نوع omicron ممکن است تا حدی علت این کاهش شدت باشد. کاهش احتمال ابتلا به بیماریزایی ذاتی با توجه به نوع اومیکرون نیز ممکن است به کاهش مشاهده شده در شدت کووید کمک کند. مطالعات آینده که داده‌های مربوط به وضعیت واکسیناسیون را از ثبت واکسن‌ها مرتبط می‌کند، می‌تواند اطلاعاتی در مورد کاهش شدت بیماری در موارد پیشرفت COVID{10}} پس از واکسیناسیون ارائه دهد. این داده‌ها اولیه هستند و یافته‌ها می‌توانند با زمان پیگیری بیشتر برای افراد آلوده به SGTF که اخیراً تشخیص داده شده‌اند تغییر کند.

فواید سالسا سیستانچبرایمصونیت

منابع

1 Viana R، Moyo S، Amoako DG، و همکاران. گسترش سریع اپیدمی SARS-CoV-2 نوع omicron در جنوب آفریقا. طبیعت 2022; 7 ژانویه به صورت آنلاین منتشر شد.

2 موسسه ملی بیماریهای واگیر. خلاصه اپیدمیولوژی هفتگی COVID{1}}. آفریقای جنوبی. هفته 48 2021. 2021.

3 WHO. طبقه بندی omicron (B.1.1.529): SARS-CoV{5}} گونه نگران کننده. 26 نوامبر 2021.

4 Scheepers C، Everatt J، Amoako DG، و همکاران. تکامل مداوم SARS-CoV-2 در آفریقای جنوبی: دودمان جدید با تجمع سریع جهش‌های نگران‌کننده و تشخیص جهانی. medRxiv 2021; 24 آگوست به صورت آنلاین منتشر شد.

5 موسسه ملی بیماریهای واگیر. ایجاد یک پلت فرم نظارت برای ارزیابی تأثیر بالینی انواع SARS-CoV-2 (DATCOV-Gen) در آفریقای جنوبی. اکتبر 2021.

6 اسکات L، Hsiao N، Moyo S، و همکاران. گسترش omicron را با داده های مولکولی دنبال کنید. علم 2021; 374: 1454-55.

7 کوهن سی، مویس جی، تمپیا اس، و همکاران. عفونت شدید تنفسی مرتبط با آنفولانزا در محیط شیوع HIV بالا، آفریقای جنوبی، 2009-2011.

8 Jassat W، Cohen C، Tempia S، و همکاران. عوامل خطر مرگ و میر در بیمارستان مربوط به کووید{1} در محیطی با شیوع HIV و سل در آفریقای جنوبی: یک مطالعه کوهورت. Lancet HIV 2021; 8: e554-67.

9 بهداشت عمومی انگلستان. بررسی نوع جدید SARS-CoV-2. نوع نگرانی 202012/01. جلسه توجیهی فنی 5. 2021.

10 موسسه ملی بیماریهای واگیر. تعریف پیشنهادی موج COVID{1}} در آفریقای جنوبی. نوامبر 2021.

11 موسسه ملی بیماریهای واگیر. به روز رسانی مراقبت هفتگی بیمارستان (DATCOV). هفته 48. 2021.

12 Madhi SA، Kwatra G، Myers JE، و همکاران. مصونیت جمعیت آفریقای جنوبی و کووید شدید-19 با واریانت اومیکرون. medRxiv 2021; 21 دسامبر به صورت آنلاین منتشر شد.

13 وزارت بهداشت ملی. آخرین آمار واکسن

14 کنسرسیوم مدل سازی COVID{1}} آفریقای جنوبی. به‌روزرسانی مدل‌سازی COVID{2}}: ملاحظات برای موج چهارم بالقوه. 17 نوامبر 2021.

15 Pulliam JRC، van Schalkwyk C، Govender N، و همکاران. افزایش خطر ابتلا به عفونت مجدد SARS-CoV-2 مرتبط با پیدایش نوع omicron در آفریقای جنوبی. medRxiv 2021; 2 دسامبر به صورت آنلاین منتشر شد.

16 Kleynhans J، Tempia S، Wolter N، و همکاران. شیوع سرمی SARS-CoV-2 در یک گروه خانگی روستایی و شهری در طول موج اول و دوم عفونت، آفریقای جنوبی، ژوئیه 2020-مارس 2021. Emerg Infect Dis 2021; 27: 3020-29.

17 Abu-Raddad LJ, Chemaitelly H, Bertollini R. شدت عفونت‌های مجدد SARS-CoV{3}} در مقایسه با عفونت‌های اولیه. N Engl J Med 2021; 385: 2487-89.

18 Meng B, Ferreira IATM, Abdullahi A, et al. SARS-CoV-2 omicron spike واسطه گریز ایمنی، عفونت و همجوشی سلولی بود. bioRxiv 2021; 22 دسامبر به صورت آنلاین منتشر شد.

19 HKUMed. HKUMed دریافت که omicron SARS-CoV-2 می‌تواند سریع‌تر و بهتر از دلتا در برونش انسان آلوده شود، اما با عفونت کمتر شدید در ریه. 15 دسامبر 2021.

20 موسسه ملی بیماریهای واگیر. شبکه نظارت بر ژنومیک در آفریقای جنوبی به روز رسانی نظارت ژنومی SARS-CoV-2. 17 دسامبر 2021.