冠状病毒(COVID-19)感染调查质量报告:2022年12月

从我们的后9月份质量报告,我们继续评估变化的影响我们的数据收集方法从研究职工家访远程数据收集我们的冠状病毒(COVID-19)估计。

我们比较检测呈阳性的可能性估计COVID-19鼻子和咽喉拭子,以及人的可能性强阳性测试报告症状,通过数据收集方法,调整几个变量。我们也评估我们的远程数据收集和研究的代表性工人人口样本通过比较它们与人口从2021年的人口普查数据。

• 在第一周的研究(2022年7月11日至31日),参与者拭子样本提供远程数据收集测试呈阳性比那些更有可能,拭子样本提供了研究工作者家访;然而,在这两组之间没有差别的检测呈阳性的可能性。

• 分析使用从7月19日到2022年8月1日公布的数据显示,远程数据收集导致参与者与强阳性测试为2.7(95%置信区间:2.2 - 3.3)倍更有可能报告症状相比,那些工人家里访问数据收集学习。

• COVID-19感染调查数据的百分比有强烈的积极的测试报告症状的人不应被视为两种数据收集方法等效;然而,数据收集方法仍然提供有价值的见解最常见报告的症状和趋势报告症状时分别进行了分析。

• 远程数据收集和研究工作者人口2021人口普查的样品代表按性别、年龄和地区。

• 远程数据收集的人口统计学资料和研究工作者家访人口样本非常相似。

冠状病毒(COVID-19)感染调查估计:

• 有多少人在英格兰,威尔士,北爱尔兰和苏格兰COVID-19感染阳性鼻子和咽喉拭子,不管它们是否症状报告的
• 的人数会有抗体阳性SARS-CoV-2导致COVID-19(病毒)在血液样本在不同层次上

我们也分析人们对COVID-19检测呈阳性的特点,包括强阳性患者的百分比COVID-19测试结果报告的症状。

调查开始以来2020年4月,直到2022年7月,冠状病毒(COVID-19)感染的调查问卷数据,拭子和血液样本被收集的研究参与者职工家访。从2022年7月,我们改变了我们收集的数据,从研究职工家访更灵活的远程数据收集的方法。我们介绍了一个数字化的问卷,参与者可以在网上或通过电话完成,以及参与者返回拭子和血液样本包通过发布一些参与者(或快递)。

我们的2022年8月冠状病毒(COVID-19)感染调查质量报告这个数据收集方法变化提供了更多信息,以及初步分析比较这两个数据收集方法。第一个分析结果显示有差异最小的估计COVID-19积极性产生使用两种数据收集方法。

我们的2022年9月冠状病毒(COVID-19)感染调查质量报告提供信息分析的影响上的两种数据收集方法百分比的抗体水平谁会SARS-CoV-2导致COVID-19(病毒)不同的阈值。

这个质量报告包括分析比较测试呈阳性的可能性COVID-19在鼻子和咽喉拭子以及那些强阳性的可能性测试结果报告的症状根据数据收集方法,同时为几个变量调整。它还包括实现人口样本之间的比较我们的远程和研究工作者家访数据收集方法和2021人口普查人口样品评估代表英格兰和威尔士的人口。

的分析第三节:检测呈阳性的可能性为COVID-19数据收集方法而在第四节:强阳性COVID-19病例报告症状的可能性数据收集方法包括冠状病毒(COVID-19)感染调查参与者在英国2岁及以上。分析第五节:代表性的冠状病毒(COVID-19)感染人口抽样调查数据收集方法包括冠状病毒(COVID-19)感染调查参与者2岁,在英格兰和威尔士。冠状病毒(COVID-19)感染调查的数据是基于那些生活在私人家庭,不包括那些生活在养老院或其他公共场所。

在我们的8月份质量报告我们比较模型的估计人们对冠状病毒检测呈阳性的比例(COVID-19)鼻子和咽喉拭子的数据收集方法。估计是产生在我们每周使用相同的方法冠状病毒(COVID-19)感染调查公报使用贝叶斯多层次回归(MRP)模型,调整年龄、性别和地区。更多信息的方法用于生产COVID-19积极性利率在我们可以发现在我们的每周简报》方法的文章。

进一步评估变化的影响在如何收集数据,我们比较了检测呈阳性的可能性估计COVID-19在鼻子和咽喉拭子数据收集方法和日程表日期而调整几个变量。分析是基于回归模型类似于我们分析英国的人口风险的冠状病毒检测呈阳性(COVID-19)2021年9月出版,它提供了一个更详细的解释方法。

另外本文提供的模型包括数据收集方法和日程表日期之间的交互测试数据收集方法的任何影响的变化随着时间的推移COVID-19药检呈阳性的可能性。

本节中的分析使用数据从2022年7月11日至31日从89030人,包括4104个积极成果提供了一个鼻子和咽喉拭子研究工作者,从53718年和2430年的积极成果的人提供了一个鼻子和咽喉拭子通过邮政或快递。我们第一次回归模型允许我们测试的影响数据收集方法的日历日期的可能性测试阳性COVID-19鼻子和咽喉拭子,虽然控制了人口统计学变量如下:

• 年龄

• 性

• 参与者的生活的地理区域

• 种族

• 剥夺得分

• 家庭规模

• 家庭是否多

• 城市或农村分类参与者的地址

• 残疾的影响(从没有残疾影响“很多”残疾)

测试呈阳性的可能性COVID-19对于那些提供远程鼻子和咽喉拭子样本,相比那些提供拭子样本研究工作者家访,日程表日期从2022年7月11日至31日,如图1所示。

结果表明,11至2022年7月17日,参与者拭子样本提供远程数据收集更有可能比那些提供拭子样本阳性一个工人家里参观学习。是可能的,那些提供远程拭子样本在最初几天推出不同的方式意味着检测呈阳性的风险高于那些提供拭子样本通过一个工人家里访问在同一时期内学习。例如,参与者症状可能提供了一个远程拭子样本早在这些早期的在线调查启动比参与者没有症状,这样他们可以知道他们的感染状况。

所有参与者提供了一个拭子样本的远程数据收集开始在线调查启动开始时他们14日数据采集窗口。后续的样品随时可能被在一个参与者的14天数据收集窗口,并邀请参与者将远程数据收集方法也交错。这意味着参与者可以在任何时候提供样品在测试窗口,导致重叠在从一开始的测试窗口。这就是为什么症状参与者的行为可能影响结果在第一周,在没有重叠与其他数据采集窗口。

在18岁到2022年7月31日,没有那些提供统计证据的区别拭子样本通过远程数据收集和那些提供研究工作者家访的拭子样本检测呈阳性的可能性为COVID-19鼻子和咽喉拭子。这个发现支持整体可比性的结果从远程数据收集和研究工作者家访。

的优势比这个分析如图1所示。的优势比大于1表明更大的可能性指定组中的一个结果与参照组相比,和一个优势比小于1表明较低的可能性。在这种情况下,的优势比大于1表示测试呈阳性的可能性增加COVID-19对于那些提供远程拭子样本相比那些拭子样本提供了一个工人家里参观学习。的优势比小于1表明COVID-19检测呈阳性的可能性减少。

图1:没有统计学差异的证据对冠状病毒检测呈阳性的可能性(COVID-19)之间的远程和研究工作者家访数据收集方法,从2022年7月18日至31日

检测呈阳性的可能性估计对鼻子和喉咙COVID-19白天棉签拭子样本对于那些提供远程相比那些提供拭子样本研究工作者家里访问,英国,2022年7月11日至31日

注:

1. 的优势比大于1表明更大的可能性指定组中的一个结果与参照组相比,和一个优势比小于1表明较低的可能性。

2. 这个模型控制年龄、性别、地理区域参与生活,种族,剥夺得分,家庭规模、家庭是否多代城市或农村的参与者的分类地址和残疾的影响。

下载数据

.xlsx

敏感性分析是使用第二个回归模型,控制变量的前面所提到的,以及其他变量与COVID-19积极性相关联,如COVID-19接种疫苗,先前COVID-19与医院感染和最近的联系。当为这些额外的变量控制结果比较两种数据收集方法非常相似。优势比从这个模型和前面的模型可以在表1 a和1 b的冠状病毒(COVID-19)感染调查质量报告:2022年12月的数据集。

所有的变量和变量被认为是用于这些模型中可以找到第七节:如何测量数据。

本节讨论的影响数据收集方法报告症状的人强阳性冠状病毒(COVID-19)测试(循环阈值(Ct)值小于30)。这个分析使用数据从7月19日到2022年8月1日,两个远程和研究工作者家访数据收集方法。整个英国的参与者被要求报告他们是否经历过以下症状7天测试,分别和他们觉得症状是否兼容COVID-19感染在过去的七天。

• 发烧

• 肌肉疼痛(肌痛)

• 疲劳(缺陷或疲劳)

• 喉咙痛

• 咳嗽

• 呼吸急促

• 头痛

• 恶心或呕吐

• 腹部疼痛

• 腹泻

• 失去味道或气味的损失

症状是自我报告和没有专业的诊断。

在那些COVID-19强阳性试验,阳性症状的人数比例为60%(95%置信区间:57%至62%)收集的数据研究职工家访,和78%(95%置信区间:76%至80%)远程数据收集。

进一步评估这些数据是如何收集的影响,我们使用逻辑回归模型比较估计报告症状的可能性数据收集方法,那些强大的积极的测试。模型控制了年龄、性别、地区、种族、部门和长期健康状况,工作剥夺得分。

结果表明,远程数据收集导致参与者与强阳性测试为2.7(95%置信区间:2.2 - 3.3)倍更有可能报告症状相比,那些工人家里访问数据收集学习。

有几个潜在的原因报告症状可能不同的数据收集方法。这一分析只包括参与者COVID-19强阳性试验,阳性和参与者更有可能选择使用远程数据收集完成调查和测试而出现症状。相比之下,独立研究职工探望被预定,所以参与者没有相同的选择时发生。其他潜在的原因可能与不同的问卷是如何解释的远程完成而完成的一项研究时工人。

这些从COVID-19感染调查结果表明,数据的百分比有强烈的积极的测试报告症状的人不应被视为等价的两种数据收集方法。数据收集方法提供有价值的见解最常见报告的症状和趋势在人口中报道的症状分别分析。

分析提出了在我们的症状冠状病毒(COVID-19)感染调查:英国人为COVID-19检测呈阳性的特点,出版物用了不同的方法。这种方法被认为是人的百分比在调查报告的症状在35天内访问的第一个积极的测试在任何测试的积极事件是强阳性。出于这个原因,症状分析提出了出版与我们之前的出版物没有直接的可比性。

本节分析了实现人口的代表性样本从远程数据收集和研究工作者进行家访,评估是否有证据表明参与者提供拭子样本通过远程数据收集不同的参与者提供拭子样本研究工作者家访。也比较的冠状病毒(COVID-19)感染调查人口从远程数据收集样品代表了英格兰和威尔士的人口使用未经调整和调整预期。

未经调整的人口样本实际参与调查的人数在指定的时间段,而调整人口样本被加权目标人群的代表。这些人口样本权重应用于校准人口预测,是根据2011年人口普查以及出生、死亡和迁移,自2011年以来已经发生。

人口2011,而不是2021年人口普查,是用来调整人口样本,因为这些数据可以从英国的所有四个国家。的种族,比例已从每年的人口调查(APS)和应用的总体预测。这个权重方法类似于事后用来生产我们的总体估计每周冠状病毒(COVID-19)感染调查公报,调整人口样本的结果是代表整个人口的年龄、性别和地区(地区只在英格兰模型)进行调整。有关更多信息,请参见我们的冠状病毒(COVID-19)感染调查:方法和进一步的信息方法出版。

的人口普查进行每10年给了我们所有人的照片和家庭在英格兰和威尔士;它是最完整的信息来源的人口。我们如何评估冠状病毒(COVID-19)感染对英格兰和威尔士的人口调查数据通过比较它与2021年人口普查数据,只专注于英格兰和威尔士与2021年人口普查报道一致。

当数据从我们的冠状病毒(COVID-19)感染调查样本排除那些生活在照顾家庭和其他公共场所,年龄在2岁以下,2021人口普查数据。此外,2021年的人口普查是在2021年上半年,我们的冠状病毒(COVID-19)感染调查样本2022年14天时间。这意味着我们会有两个数据源之间的一些差异,随着人口的那些生活在照顾家庭和其他公共场所可能不同私人住宅人口迁移和人口等事件会影响到人口的英格兰和威尔士的人口自2021年的人口普查。

冠状病毒的数据(COVID-19)感染调查参与者在英格兰和威尔士聚合在14天时间从6到2022年5月19日对那些通过研究工作者提供样品家访,从10到2022年8月23日对那些通过远程数据收集提供样本。参与者的冠状病毒(COVID-19)感染调查参加每月只有一次,所以大约一半的总参与者评估14天时间。

我们比较了未调整,调整配置文件(百分比的参与者出现在不同类别的变量)的人口样本,和2021年人口普查,按性别、年龄、民族、家庭规模和地区。表1 - 5提供的绝对差异这些人口的资料样本。数据表明:

• 参与者通过远程数据收集和研究工作者提供样品家访份额一般非常相似的配置文件,当调整和调整时,大部分的人口样品之间的差异控制在1%以下

• 当与2021年人口普查相比,参与者提供样本通过远程数据收集和研究工作者家访大致类似于英格兰和威尔士人口未调整时,当调整

• 当与2021年人口普查相比,参与者提供样本通过远程数据收集和研究工作者家访使有过多的代表从一个白人族群和二人家庭在调整之前,相同的群体明显但较小的调整后

人口统计资料的提供样品通过研究工作者家访和远程数据收集,和2021年人口普查人口与人口样品之间的绝对差异和2021年人口普查,在我们冠状病毒(COVID-19)感染调查质量报告:2022年12月的数据集。

量化之间的不同的人口统计学资料提供样本通过研究工作者家访和远程数据收集,和2021年人口普查,我们计算指标的不同(邓肯O,邓肯B (1955),种族隔离的方法分析索引美国社会学评论,20卷,问题2,页210 - 217)。不同的指数范围在0到100之间,的值为0,这说明两个配置文件是完全相似,和一个值100,表明这两个配置文件是完全不同的。不同的指数代表了参与者的比例,需要改变类别的变量之间的资料样本或者类似的人群中出现。例如,指数22.0意味着22%的参与者将需要改变之间的类别。

指数之间的不同的人口统计学资料提供样本通过研究工作者家访和远程数据收集,和2021年人口普查人口,如表6所示。远程数据收集和研究工作者家访人口样本大致类似于2021年的人口普查未调整,调整时更是如此。这些人口样本也很相似。

本节中的数据表明,实现远程和研究工作者家访人口样本非常相似,大致类似于2021人口普查。这提供了证据表明,数据收集方法不影响吸收积极的调查和确保估计是代表英格兰和威尔士的人口。

所有数据的代表性冠状病毒(COVID-19)感染调查人口样本可用在表2的2摄氏度冠状病毒(COVID-19)感染调查质量报告:2022年12月的数据集。

研究结果呈现在这篇文章中,以及从我们的结果2022年8月冠状病毒(COVID-19)感染调查质量报告和2022年9月冠状病毒(COVID-19)感染调查质量报告表明,远程数据收集方法的改变已经在大多数调查结果影响最小,包括COVID-19检测呈阳性的可能性。然而,从COVID-19感染调查结果表明,数据的百分比有强烈的积极的测试报告症状的人不应被视为等价的两种数据收集方法。

冠状病毒检测阳性的可能性(COVID-19)数据收集方法

描述的模型第三节:检测呈阳性的可能性为COVID-19数据收集方法测试数据收集方法的效果在COVID-19药检呈阳性的可能性,同时为其他几个变量控制。变量控制在我们的第一个模型是:

• 年龄
• 性
• 参与者的生活的地理区域
• 种族
• 剥夺得分
• 家庭规模
• 家庭是否多
• 城市或农村分类参与者的地址
• 残疾的影响(从没有残疾影响“很多”残疾)

变量控制在我们的第二个模型是:

• 所有的变量控制在我们的第一个模型

• 工作状态(反应分为“雇佣、工作”,“工作,而不是工作”,“不作为”,“退休”和“儿童/学生”)

• 参与者是否以前COVID-19基于感染阳性测试(在调查中,英国国家测试计划或自述)

• 参与者是否出国前28天

• COVID-19接种疫苗

• 与医院联系前28天

• 接触护理房屋前28天

• 目前参与者是否吸烟

额外变量考虑的模型不包括:

• 16岁的孩子还是在住在家庭

• 是否成人70岁或以上住在家庭

• 天在外面工作

• 参与者在一个面向病人的医疗保健作用,是否健康与社会保健作用或照顾家里

• 参与者是否在一个角色,包括直接接触别人

• 工作部门

• 在家工作或学校的位置(或其他地方)

• 在工作或学校社会距离

• 参与者如何去工作或者学校吗

这些变量并不包括在模型中,因为我们的筛选过程揭示它们之间没有统计协会的证据和COVID-19检测呈阳性的可能性。

冠状病毒(COVID-19)感染调查分析是由国家统计局(ONS)与我们的研究合作伙伴牛津大学、英国曼彻斯特大学的卫生安全机构(英国HSA)和威康信托基金会。特别注意的是:

• 莎拉·沃克——牛津大学纳菲尔德医学部门:统计学和流行病学的教授和研究首席研究员
• 柯恩Pouwels——牛津大学卫生经济学研究中心,纳菲尔德人口健康部门:高级研究员在生物统计学和健康经济学
• 托马斯-曼彻斯特大学,数学系:读者在数理统计

剥夺

剥夺是基于一个多个剥夺指数(IMD) (PDF 2.18 mb)分数或同等下放政府计分法,从1,代表最贫困的100,代表至少剥夺。危险或优势比显示增加10剥夺得分,相当于10百分点或1等分,影响COVID-19药检呈阳性的可能性。

SARS-CoV-2

这是学名导致COVID-19特定的病毒。

残疾的影响

衡量严重残疾影响参与者,我们问他们是否有长期的健康状况减少了他们开展日常活动的能力,作为我们的冠状病毒(COVID-19)感染的调查问卷。这个问题的回答选项:“是的,很多”,“是的,一个小”或“不”。

优势比

优势比显示单个检测呈阳性的可能性COVID-19给定一个特定的特征或变量。当一个特征或变量的优势比为1,这意味着既不增加也不减少COVID-19药检呈阳性的可能性与参考类别。一个优势比大于1表示测试呈阳性的可能性增加COVID-19与参考类别。一个优势比小于1表明下降的可能性COVID-19药检呈阳性而参考类别。

置信区间

置信区间给出的估计不确定性的程度,显示样本估计的精度。95%的置信区间计算,如果我们重复了多次研究,95%的时间真正的未知值将隔上下置信区间。更广泛的区间估计表明更多的不确定性。置信区间重叠显示,可能没有一个真正的两个估计的区别。有关更多信息,请参见我们的方法对 页面统计的不确定性。

循环阈值(Ct)值

积极的力量冠状病毒(COVID-19)测试是由病毒检测的速度,衡量一个循环阈值(Ct)的价值。Ct值越低,越高病毒载量和更积极的测试。Ct值高的积极的结果中可以看到当病毒感染的早期阶段水平上升,或者在感染后期,当传播的风险很低。

的纳菲尔德医学系的研究协议指定研究研究。

威尔士政府发布结果用英语COVID-19感染调查和结果在威尔士COVID-19感染调查描述COVID-19感染在威尔士。

的卫生部(北爱尔兰)发布的结果COVID-19感染调查描述COVID-19感染在北爱尔兰。

的苏格兰政府发布的结果COVID-19感染调查描述在苏格兰COVID-19感染。