1。要点
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。
3所示。检测呈阳性的可能性为COVID-19数据收集方法
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:
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
嵌入代码
注:
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。
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
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。
回目录4所示。强阳性COVID-19病例报告症状的可能性数据收集方法
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。
回目录6。总结调查结果
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。
回目录7所示。数据是如何测量的
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:
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。
回目录9。协作
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
10。术语表
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。
嵌入代码
12。引用这篇文章
国家统计局(ONS)发表2022年12月21日,国家统计局网站,方法论的文章,冠状病毒(COVID-19)感染调查,质量报告:2022年12月