Серопревалентность антител к коронавирусной болезни 2019 (COVID-19) в уязвимом районе, Буэнос-Айрес, Аргентина

Обследование серопревалентности на уровне сообщества было проведено в перекрестном дизайне в рамках исследования совместных действий (PAR).

Начальная команда PAR: исследователь, разработавший тест Elisa, вирусолог, проводивший анализ теста, и врач, работавший в качестве полевого эпидемиолога-добровольца в системе эпиднадзора (DetectAr Barrio 31), предложили техническое сотрудничество для тестирования бездомных.

PAR-Первый шаг: Образец для удобства бездомных тестировался в течение 3 дней в популярной столовой, управляемой неправительственной организацией. Образцы были собраны медсестрой DetectAr и эпидемиологом-добровольцем.

PAR-Второй шаг: осуществимость была определена координаторами DetectAr отдела общественного здравоохранения Министерства здравоохранения и 12 работниками медицинских сообществ (HCW), когда два эпидемиолога-добровольца из университетского института объяснили организацию поля (метод отбора проб, сбор данных и запись в базе данных) для получения вероятностной выборки жителей. Процесс PAR был краеугольным камнем для достижения размера выборки.

PAR-Третий этап: было проведено перекрестное исследование для изучения серопревалентности.

Размер выборки и метод выборки Размер выборки был рассчитан для серопревалентности 5% в соответствии с фактическими данными. Был применен двухэтапный метод случайной выборки. Первый уровень: сектор трущоб, Второй уровень: географические районы, определяемые Департаментом статистики и переписи населения. На этом уровне было отобрано 30 домов. Людей старше 14 лет тестировали у входной двери дома.

Серологический тест Был использован твердофазный иммуноферментный анализ [ELISA], разработанный в Аргентине лабораторией в Буэнос-Айресе, Аргентина. Рабочими характеристиками являются высокая специфичность (> 95%) и высокая чувствительность (> 95%) для IgG SARS-COV-2. Тест обнаруживает антитела против двух вирусных антигенов, тримерного шипа и рецептор-связывающего домена (RBD) шипа. Вирусные белки экспрессировались в клетках человека. Этот набор получил одобрение регулирующих органов Аргентинского национального агентства по регулированию лекарственных средств (ANMAT, Национальное управление по лекарственным средствам, продуктам питания и медицинским устройствам)[. Образцы крови собирали в капиллярную трубку из пальца, взятого у входной двери каждого дома. Все медработники прошли обучение, и эпидемиологические данные были внесены в базу данных. Образцы были обработаны и проанализированы в вирусологической лаборатории детской больницы Буэнос-Айреса.

Статистический анализ Для получения взвешенной распространенности набор выборочных данных был расширен до данных последней переписи по трем факторам: на уровне района, на уровне домохозяйства и на индивидуальном уровне. Расчет коэффициентов расширения на уровне домохозяйства является обратным значением совместной вероятности выбора последней единицы выборки (домохозяйства). Факторы расширения на уровне домохозяйств подразумевают три типа корректировок. Первый связан с отсутствием ответов (учитывая, что некоторые домохозяйства не хотели отвечать на вопросы обследования); второй соответствует проекции выборки на все население, а третий – методикам калибровки с окончательной корректировкой по возрастно-половым группам с использованием внешней информации переписи населения. Таким образом, калибровочными переменными стали люди в возрасте 14 лет и старше, сгруппированные по полу и возрастным интервалам: 14-30 лет; 31-45; 46-59; 60 и более.

Распространенность антител IgG была скорректирована с использованием весов выборки и пост-стратификации, чтобы учесть различия в показателях отсутствия ответов в зависимости от возрастной группы, пола и дохода переписного участка.

Поскольку члены домохозяйства имеют общий контакт с COVID-19, результат (распространенность IgG COVID-19) должен демонстрировать некоторую корреляцию внутри домохозяйства. Чтобы проверить эффект кластеризации, была применена модель логистической регрессии со случайными эффектами (многоуровневая модель), поскольку она явно включает вариацию между кластерами в вероятность и, следовательно, учитывает внутрикластерную корреляцию.