Seroprävalenz der Coronavirus-Krankheit 2019 (COVID-19) Antikörper in einer gefährdeten Nachbarschaft, Buenos Aries, Argentinien

Im Rahmen einer partizipativen Aktionsforschung (PAR) wurde eine Seroprävalenz-Umfrage auf Gemeindeebene in einem Querschnittsdesign durchgeführt.

Starter-PAR-Team: Forscher, die den Elisa-Test entwickelt haben, Virologen, die die Analyse des Tests durchführen, und Ärzte, die als freiwillige Feldepidemiologen beim Überwachungssystem (DetectAr Barrio 31) dienten, boten technische Zusammenarbeit an, um Menschen mit Obdachlosigkeit zu testen.

PAR-Erster Schritt: Eine Probe zur Bequemlichkeit von Obdachlosen wurde 3 Tage lang in einem beliebten Speisesaal getestet, der von einer Nichtregierungsorganisation verwaltet wird. Die Proben wurden von einer DetectAr-Krankenschwester und einem freiwilligen Epidemiologen gesammelt.

PAR-Zweiter Schritt: Die Machbarkeit wurde von den DetectAr-Koordinatoren der Community Health Division des Gesundheitsministeriums und den 12 Health Community Workers (HCWs) bestimmt, als zwei freiwillige Epidemiologen eines Universitätsinstituts die Feldorganisation (Probentechnik, Datensammlung und Datenbankeintrag) zur Gewinnung einer probabilistischen Einwohnerstichprobe. Der PAR-Prozess war ein Eckpfeiler für das Erreichen der Stichprobengröße.

PAR-dritter Schritt: Es wurde eine Querschnittsstudie zur Seroprävalenzerhebung durchgeführt.

Stichprobengröße und Stichprobenmethode Die Stichprobengröße wurde nach Evidenz für eine Seroprävalenz von 5 % berechnet. Es wurde ein zweistufiges Stichprobenverfahren angewandt. Erste Ebene: Sektor des Slums, Zweite Ebene: Geografische Gebiete, die vom Ministerium für Statistik und Volkszählung festgelegt wurden. Auf dieser Ebene wurden 30 Häuser ausgewählt. Personen über 14 Jahre wurden an der Haustür ihres Hauses getestet.

Serologischer Test Es wurde ein in Argentinien von einem Labor in Buenos Aires, Argentinien, entwickelter Enzyme Linked Immunosorbent Assay [ELISA] verwendet. Leistungsmerkmale sind eine hohe Spezifität (>95 %) und eine hohe Sensibilität (>95 %) für SARS-COV-2-IgG. Der Test erkennt Antikörper gegen zwei virale Antigene, den trimeren Spike und die Rezeptorbindungsdomäne (RBD) des Spikes. Virale Proteine ​​wurden in menschlichen Zellen exprimiert. Dieses Kit hat die behördliche Zulassung der nationalen Arzneimittelzulassungsbehörde Argentiniens (ANMAT, National Administration for Drugs, Food and Medical Devices)[. Blutproben wurden in einem Kapillarröhrchen aus einem Fingerstich entnommen, der an der Vordertür jedes Hauses entnommen wurde. Alle HCWs wurden geschult und epidemiologische Daten wurden in eine Datenbank eingegeben. Die Proben wurden im Virologielabor eines Kinderkrankenhauses in Buenos Aires verarbeitet und analysiert.

Statistische Auswertung Zur Ermittlung der gewichteten Prävalenz wurde der Stichprobendatensatz gegenüber dem letzten Zensus um 3 Faktoren erweitert: auf Quartiersebene, auf Haushaltsebene und auf Personenebene. Die Berechnung der Hochrechnungsfaktoren auf Haushaltsebene ist der Kehrwert der gemeinsamen Wahrscheinlichkeit, die letzte Stichprobeneinheit (einen Haushalt) auszuwählen. Die Expansionsfaktoren auf Haushaltsebene implizieren drei Arten von Anpassungen. Der erste hängt mit der Nichtbeantwortung zusammen (da einige Haushalte die Umfrage nicht beantworten wollten); die zweite entspricht der Hochrechnung der Stichprobe auf die Gesamtbevölkerung und die dritte den Kalibrierungsverfahren mit abschließender Anpassung nach Alters- und Geschlechtsgruppen unter Verwendung externer Informationen aus der Volkszählung. Daher waren die Kalibrierungsvariablen Personen ab 14 Jahren, gruppiert nach Geschlecht und Altersintervallen: 14-30; 31-45; 46-59; 60 und mehr.

Die Prävalenz von IgG-Antikörpern wurde unter Verwendung von Stichprobengewichten und Post-Stratifizierung angepasst, um Unterschiede in den Nicht-Antwortraten basierend auf Altersgruppe, Geschlecht und Einkommen des Zählbezirks zu berücksichtigen.

Da Haushaltsmitglieder die Exposition gegenüber COVID-19 teilen, sollte das Ergebnis (Prävalenz von COVID-19-IgG) eine gewisse Korrelation innerhalb des Haushalts aufweisen. Um den Clustering-Effekt zu testen, wurde ein logistisches Regressionsmodell mit zufälligen Effekten (Mehrebenenmodell) angewendet, da es die Variation zwischen Clustern explizit in die Wahrscheinlichkeit einbezieht und daher die Intra-Cluster-Korrelation berücksichtigt.