Blog

Aug 24, 2023

Factores de comportamiento y SARS.

Communications Medicine volumen 3, Número de artículo: 102 (2023) Cite este artículo 3397 Accesos 272 Detalles de Altmetric Metrics Variabilidad en las tasas de ataques secundarios en los hogares y los riesgos de transmisión

Medicina de las Comunicaciones volumen 3, Número de artículo: 102 (2023) Citar este artículo

3397 Accesos

272 altmétrico

Detalles de métricas

La variabilidad en las tasas de ataques secundarios en los hogares y los factores de riesgo de transmisión del SARS-CoV-2 siguen siendo poco conocidos.

Realizamos un estudio de transmisión domiciliaria del SARS-CoV-2 en Costa Rica, con casos índice de SARS-CoV-2 seleccionados de un estudio de cohorte prospectivo más amplio y se inscribieron sus contactos domiciliarios. Se inscribieron un total de 719 contactos domiciliarios de 304 casos índice domiciliarios desde el 21 de noviembre de 2020 hasta el 31 de julio de 2021. Se recolectaron muestras de sangre de los contactos dentro de los 30 a 60 días posteriores al diagnóstico del caso índice; y se analizó el suero para detectar la presencia de anticuerpos IgG contra el SARS-CoV-2 y la nucleocápside. La evidencia de infecciones previas por SARS-CoV-2 entre los contactos domésticos se definió en función de la presencia de anticuerpos tanto de pico como de nucleocápside. Ajustamos un modelo binomial en cadena a los datos serológicos, para tener en cuenta el riesgo de infección comunitaria exógena y las posibles transmisiones multigeneracionales dentro del hogar.

La seroprevalencia general fue del 53% (intervalo de confianza (IC) del 95%: 48-58%) entre los contactos del hogar. La tasa estimada de ataque secundario en el hogar es del 34 % (IC del 95 %: 5–75 %). El uso de mascarilla por parte del caso índice se asocia con una reducción del riesgo de transmisión en el hogar en un 67 % (odds ratio ajustado = 0,33 con IC del 95 %: 0,09–0,75) y no compartir dormitorio con el caso índice se asocia con una reducción del riesgo de transmisión en el hogar en un 67 %. 78% (odds ratio ajustado = 0,22 con IC del 95%: 0,10-0,41). La distribución estimada de las tasas de ataques secundarios en los hogares es muy heterogénea entre los casos índice, siendo el 30% de los casos índice la fuente del 80% de los casos secundarios.

El análisis de modelos sugiere que los factores de comportamiento son impulsores importantes de la heterogeneidad observada en la transmisión del SARS-CoV-2 dentro del hogar.

Al vivir en la misma casa con casos conocidos de SARS-CoV-2, los miembros del hogar pueden cambiar su comportamiento y adoptar medidas preventivas para reducir la propagación del SARS-CoV-2. Para comprender cómo los factores de comportamiento afectan la propagación del SARS-CoV-2 en entornos domésticos, nos centramos en los miembros del hogar de personas con infecciones por SARS-CoV-2 confirmadas por laboratorio y seguimos la forma en que el SARS-CoV-2 se propaga dentro del hogar, observando que tenían anticuerpos contra el virus, lo que significa que estaban infectados. También hicimos a los participantes preguntas detalladas sobre su comportamiento y aplicamos modelos matemáticos para evaluar su impacto en la transmisión del SARS-CoV-2. Descubrimos que el uso de mascarillas por parte de los casos de SARS-CoV-2 y evitar compartir dormitorio con las personas infectadas reduce la transmisión del SARS-CoV-2. Sin embargo, la atención a los casos de SARS-CoV-2 y la interacción prolongada con personas infectadas facilitan la propagación del SARS-CoV-2. Nuestro estudio ayuda a informar qué comportamientos pueden ayudar a reducir la transmisión del SARS-CoV-2 dentro de un hogar.

El hogar ha sido reconocido como uno de los principales entornos de transmisión del SARS-CoV-21, con altas tasas de ataques secundarios reportadas entre los contactos del hogar2 en múltiples países y en diferentes fases de la pandemia3,4,5,6. Incluso después de la fase aguda inicial de la pandemia, las agencias de salud pública de muchos países recomendaron el aislamiento domiciliario de las personas con infecciones confirmadas por SARS-CoV-2 para reducir la transmisión comunitaria general7. Sin embargo, para las personas vulnerables, tener un contacto doméstico con una infección confirmada por SARS-CoV-2 aumenta en gran medida el riesgo de infección, lo que podría provocar la hospitalización o incluso la muerte. Si bien en 2021 la vacunación estuvo disponible en muchos países con una alta eficacia contra las infecciones sintomáticas, la aparición de variantes de alta transmisibilidad y de escape inmunológico, como Omicron, junto con la disminución de la inmunidad, han reavivado la importancia de las intervenciones no farmacéuticas. Las agencias de salud pública han proporcionado pautas para reducir la transmisión dentro del hogar, incluido el uso de mascarillas y vivir en dormitorios separados7, pero la efectividad de dichas pautas aún no se ha probado en gran medida con datos del mundo real.

Se han realizado varios estudios de transmisión en hogares en países de ingresos altos; sin embargo, los datos de los países de ingresos bajos y medianos son limitados. Costa Rica tiene un sistema de atención de salud universal con una buena infraestructura y un sistema de vigilancia robusto, que es ideal para realizar estudios de transmisión poblacionales. La atención médica está centralizada en la Caja Costarricense de Seguro Social (CCSS) de Costa Rica y la mayoría de los pacientes con COVID-19 son tratados y seguidos en uno de sus centros de salud con registros detallados. El primer caso de COVID-19 en Costa Rica se detectó el 6 de marzo de 2020, y poco después el Ministerio de Salud de la CCSS implementó medidas de intervención a nivel poblacional, incluido el cierre de escuelas y el aislamiento domiciliario para los casos positivos8.

Para estimar mejor las tasas de ataque secundario y comprender los determinantes conductuales de la transmisión doméstica del SARS-CoV-2, realizamos un estudio serológico domiciliario integrado en un estudio poblacional prospectivo más amplio de la respuesta inmunológica del SARS-CoV-2 en Costa Rica. Ajustamos los datos serológicos a un modelo de transmisión doméstica en cadena binomial para tener en cuenta la dinámica de transmisión no lineal, así como el riesgo de infección comunitaria que varía en el tiempo. Además, este modelo es capaz de incorporar factores de riesgo demográficos, clínicos y de comportamiento detallados del índice y de los contactos del hogar. Estimamos la tasa general de ataques secundarios en los hogares, el riesgo acumulado de infección comunitaria y evaluamos las fuentes de heterogeneidades de transmisión entre los miembros del hogar. Descubrimos que el uso de mascarillas por parte del caso índice y evitar compartir dormitorio con el caso índice reducen el riesgo de transmisión del SARS-CoV-2, mientras que el cuidado del caso índice y la interacción prolongada con el caso índice aumentan el riesgo de transmisión del SARS-CoV-2. Nuestro estudio demuestra que los factores de comportamiento y las medidas preventivas son impulsores importantes de la transmisión del SARS-CoV-2 en el ámbito doméstico.

Para el estudio prospectivo más amplio, se reclutaron 1000 casos de tres áreas geográficas: Provincia de Puntarenas, Área Metropolitana del Gran San José (Gran Área Metropolitana) y la provincia de Guanacaste, y cuatro estratos de edad (0-19, 20-39, 40 –59, 60+ ) utilizando listas de vigilancia nacional proporcionadas por la CCSS y el Ministerio de Salud. Solo los casos confirmados por PCR se incluyeron en la lista del sistema de vigilancia porque cumplían con la definición de caso utilizada para la vigilancia. Las áreas geográficas fueron seleccionadas con base en consideraciones logísticas y representaron el 58% por ciento de la población costarricense. Los casos se muestrearon aleatoriamente dentro de cada área geográfica y estrato de edad. Aproximadamente el 30% de los casos fueron abordados para obtener consentimiento para participar en el estudio de hogares anidados; estos casos se denominaron casos “índice”.

Un hogar se definió como dos o más personas que viven juntas y comparten una cocina. Para ser elegible para la inclusión, un contacto debe haber pasado al menos una noche por semana en la sala de estar desde el diagnóstico del caso índice. Después del consentimiento y la inscripción, a los casos índice y sus contactos domésticos se les administró un cuestionario para determinar los factores preventivos y de riesgo demográficos, clínicos y conductuales. Para los contactos domésticos, los síntomas relacionados con el SARS-CoV-2 se determinaron durante el período dos semanas antes o dos semanas después de la fecha de recolección de la muestra para el caso índice (en lo sucesivo, "fecha de diagnóstico"). Si un contacto del hogar informó un diagnóstico previo de COVID, se determinaron los síntomas en relación con ese diagnóstico. Se recolectaron muestras de sangre de contactos domésticos entre 30 y 60 días después de la fecha de recolección de la muestra positiva confirmada por PCR del caso índice, y se analizaron muestras de suero para determinar la presencia de anticuerpos contra el SARS-CoV-2 (contra el SARS-CoV-2 y -2 nucleocápside y proteína de pico), como marcador de infección pasada por SARS-CoV-2.

Los casos índice de hogares y sus contactos se inscribieron desde el 1 de diciembre de 2020 hasta el 31 de julio de 2021. Este período coincidió con la mitad de la primera ola y el final de la segunda ola en Costa Rica (Fig. S1). El estudio se realizó inmediatamente antes de la disponibilidad generalizada de las vacunas contra el SARS-CoV-2 en Costa Rica9. Una vez que se completó el reclutamiento del estudio, se buscaron en los registros nacionales de vacunación para determinar el estado y las fechas de vacunación de los participantes que habían sido vacunados.

El protocolo del estudio RESPIRA fue aprobado por la Junta Central de Revisión Institucional de la CCSS. (Protocolo R020-SABI-000261). Se obtuvo el consentimiento informado y firmado de todos los participantes del estudio o de sus padres (para participantes menores de 18 años).

Las muestras de suero se analizaron para detectar la presencia de anticuerpos anti-IgG de pico de SARS-CoV-2 y nucleocápside utilizando un ensayo de inmunoprecipitación cuantitativa previamente validado en un formato de placa de microtitulación. Los detalles técnicos del ensayo de inmunoprecipitación se pueden encontrar en el artículo de Burbelo et al.10. Más de 14 días después de la aparición de los síntomas del SARS-CoV-2, el ensayo detectó anticuerpos contra la proteína de la nucleocápside del SARS-CoV-2 con una sensibilidad del 100% y una especificidad del 100%, mientras que los anticuerpos contra la proteína de pico se detectaron con una sensibilidad del 91% y 100%. % de especificidad por el ensayo10. Definimos la seropositividad como positiva tanto para los antígenos de pico como de nucleocápside y la consideramos evidencia de una infección pasada por SARS-CoV-2. Las muestras de suero se recolectaron entre 30 y 60 días después de la recolección de la muestra positiva por PCR del caso índice para dar tiempo a la seroconversión. Aproximadamente el 7,5% de las muestras se incorporaron a las placas de forma ciega para evaluar la variabilidad dentro y entre placas. El coeficiente de correlación intraclase (ICC) unidireccional para el duplicado de la nucleocápside dentro de la placa fue de 0,94 con un IC del 95 %: 0,87 a 0,97; el CCI para el duplicado de pico dentro de la placa fue de 0,95 con IC del 95 %: 0,89 a 0,98; el CCI para el duplicado de la nucleocápside en la placa fue de 0,71 con IC del 95 %: 0,44 a 0,87; el ICC para el duplicado dentro de la placa fue de 0,87 con un IC del 95 %: 0,72 – 0,94. Además, se analizaron 25 muestras prepandémicas de un estudio poblacional realizado en Costa Rica11 como controles negativos para garantizar la validez del ensayo; todos fueron clasificados como seronegativos, como se esperaba.

Aquí consideramos un modelo de transmisión doméstica binomial de cadena multivariable para el SARS-CoV-2, como una extensión de modelos domésticos anteriores desarrollados para estudiar la transmisión de la influenza12,13. El modelo se ajustó al tamaño del brote acumulativo al final del brote doméstico, es decir, al número total de personas infectadas, en lugar de a la secuencia y el cronograma precisos de las infecciones. No asumimos que todos los miembros seropositivos del hogar adquirieron infecciones del caso índice y tenemos en cuenta las infecciones adquiridas en la comunidad (antes de la recolección de muestras de sangre) para los miembros del hogar y la transmisión multigeneracional dentro del hogar.

Específicamente, sea h un hogar, i un individuo, con \({i}_{-}^{h}\) un individuo i que es serológicamente negativo en el hogar h y \({i}_{+}^{ h}\) un individuo i que es serológico positivo en el hogar h. El riesgo de adquirir infección en la comunidad varía con el tiempo debido a los cambios en la incidencia y se escribe como \({P}_{c}* f(t)\), donde \(f(t)\) es la tasa de incidencia acumulada desde el inicio de la pandemia hasta el momento t en Costa Rica, y Pc es el riesgo de infección comunitaria base que estimará el modelo. Si denotamos \({t}_{s}^{i}\) el momento de la recolección de la muestra serológica para el miembro del hogar i, entonces la probabilidad de que un individuo i escape de la infección de la comunidad viene dada por:

Para modelar el riesgo de transmisión entre el caso índice y los miembros del hogar, denotamos \({P}_{h}^{{ic}-j}\) como el riesgo de que el caso índice ic infecte al miembro j del hogar en el hogar h. Podemos expresar \({P}_{h}^{{ic}-j}\) como:

donde \({P}_{{in}{dex}}\) denota el riesgo inicial de transmisión del SARS-CoV-2 dentro del hogar y ak representa el factor de riesgo k que podría influir potencialmente en el riesgo de transmisión del hogar. Incluimos factores de riesgo que afectan la transmisibilidad y la susceptibilidad, como la edad, el sexo y el estado de obesidad (autoinformado) del caso índice ic y de los contactos del hogar j. También incluimos el tamaño del hogar y factores de comportamiento como si el contacto compartió un dormitorio con el caso índice, pasó tiempo con el caso índice fuera del dormitorio, cuidó al caso índice y usó una máscara después del diagnóstico en el caso índice (índice). caso y miembro del hogar). Examinamos una secuencia de modelos que incluyen varios factores de riesgo, como se muestra en la Tabla complementaria S1. Entonces podemos expresar la probabilidad de que el miembro del hogar i escape a la infección del caso índice como:

Para modelar el riesgo de transmisión entre contactos domésticos (es decir, cadenas de transmisión que no involucran el caso índice), denotamos \({P}_{h}^{{ij}}\) como el riesgo de transmisión doméstica seropositiva. contacto i que infecta al hogar contacto j en el hogar h. Podemos expresar \({P}_{h}^{{ij}}\) como:

donde Phh denota el riesgo inicial de transmisión del SARS-CoV-2 entre un contacto doméstico infectado y otro contacto doméstico no infectado y bk representa el factor de riesgo k que podría influir potencialmente en el riesgo de transmisión doméstica. Consideramos un riesgo de transmisión de referencia diferente para un miembro promedio del hogar (Phh) frente al caso índice (\({P}_{{index}}\)) porque tenemos variables de comportamiento ligeramente diferentes recopiladas de los miembros del hogar y los casos índice, especialmente con respecto a todas las interacciones por pares entre el caso índice y los miembros del hogar. Esto no supone un riesgo biológico inherentemente diferente de los casos índice y los miembros del hogar, sino simplemente diferencias de medición. Aquí incluimos factores de riesgo que incluyen la edad, el sexo y el estado de obesidad del infector seropositivo i (transmisibilidad moduladora), así como de los contactos domésticos j (susceptibilidad moduladora). También incluimos el tamaño del hogar, si el receptor usa una máscara y el estado de los síntomas del infectado.

Para un factor de riesgo determinado ak o bk, la información faltante (Tabla 1) se trata como una categoría independiente dentro del factor de riesgo y se incluye en el modelo de transmisión.

Luego podemos expresar la probabilidad de que un contacto doméstico i escape a la infección de todos los contactos domésticos positivos como:

donde \(\left\{j \, \ne \, i\right\}\) representa todos los contactos domésticos positivos. Por lo tanto, dentro del hogar h, la probabilidad de que el contacto en el hogar i sea seronegativo al final del brote en el hogar viene dada por:

Y la probabilidad de que un individuo i sea seropositivo viene dada por:

Para el hogar h, la probabilidad logarítmica de observar el estado de infección de todos los contactos del hogar viene dada por:

La probabilidad general de las observaciones en todos los hogares viene dada por:

Ajustamos el modelo a las observaciones serológicas y utilizamos el método de máxima verosimilitud para inferir parámetros: estimaciones en \({{P}_{c},P}_{{hh}},{P}_{{index}}\) reportadas en la Fig. 2b, mientras que las estimaciones \(\left\{{\alpha }_{k}\right\}\) y \(\left\{{\beta }_{k}\right\}\) se informaron en Figura 2a. Los intervalos de confianza del 95% se determinaron mediante la prueba de razón de verosimilitud. Para abordar el posible efecto de agrupamiento de hogares, realizamos un arranque en más de 304 hogares, controlando la distribución del tamaño del hogar, así como la distribución de la categoría de edad, el sexo y el mes de diagnóstico de los casos índice (es decir, para cada muestra de arranque, la distribución conjunta del tamaño del hogar , la categoría de edad del caso índice (consulte la Tabla 1 para los estratos de edad), el sexo del caso índice y el mes de diagnóstico del caso índice son los mismos que los datos originales. Utilizamos estimaciones de arranque repetidas 100 veces para construir intervalos de confianza de arranque como análisis de sensibilidad.

Más información sobre el diseño de la investigación está disponible en el Resumen del informe de Nature Portfolio vinculado a este artículo.

Desde el 1 de diciembre de 2020 hasta el 30 de julio de 2021, se contactó a un total de 986 contactos de hogares, de los cuales 719 (73%) dieron su consentimiento para inscribirse en el estudio de hogares. Estos contactos se distribuyeron en 304 hogares. Este período de estudio abarcó la primera ola y el inicio de la segunda ola en Costa Rica (S1). El tamaño total del hogar osciló entre 2 y 9 personas, con un tamaño promedio de 3,3. Entre 304 casos índice, la edad media fue de 38 años (rango: 0 a 101); 163 (54%) casos índice eran mujeres. Entre 719 contactos del hogar, la edad media fue de 32 años (rango: 0 a 93); 404 (56%) contactos del hogar eran mujeres. Menos del 10% de los participantes del estudio fueron vacunados con al menos una dosis de vacuna. En la Tabla 1 se resumen los factores demográficos, clínicos y de comportamiento detallados tanto para el caso índice como para los contactos del hogar.

Para evaluar la carga del SARS-CoV-2 entre 719 contactos del hogar, estimamos la seroprevalencia tanto general como dentro de los estratos, definida por: tamaño del hogar; edad, sexo y estado de obesidad del caso índice y de los contactos del hogar; y factores de comportamiento como el uso de mascarillas y las interacciones del contacto con el caso índice (Fig. 1). La seroprevalencia junto con el IC del 95% se estimaron mediante ecuaciones de estimación generalizadas univariadas con agrupamiento de hogares. La seroprevalencia general fue del 53 % (IC del 95 %: 48–58 %) entre los contactos del hogar, pero la seroprevalencia varió sustancialmente entre los diferentes estratos. En particular, para los factores de riesgo conductuales, la seroprevalencia fue significativamente mayor si el contacto compartía dormitorio con el caso índice (67% con IC 95% 59-73%) frente a 48% (IC 95% 43-54%, p <0,001). ) o tuvo interacciones con el caso índice fuera del dormitorio (58 % con IC 95 % 53–63 % durante >1 h frente a 41 % con IC 95 % 34–50 % durante <1 h, prueba de tendencia p < 0,001).

El riesgo de infección acumulativo general se calcula como la fracción de seropositivos entre los 719 contactos del hogar. El riesgo de infección acumulativo dentro de un estrato determinado se calcula como la fracción de personas seropositivas entre los contactos domésticos dentro del estrato. Estratificamos los 719 contactos del hogar según las características del tamaño del hogar; características del caso índice, incluida la edad, el sexo, la obesidad o no, la frecuencia de uso de la mascarilla; propiedades de los miembros del hogar, incluida la edad, el sexo, la obesidad o no de los contactos del hogar, la frecuencia de uso de máscaras, si se atiende al caso índice, el dormitorio compartido con el caso índice o la frecuencia de interacción con el caso índice después del diagnóstico del caso índice. Los intervalos de confianza se basan en un análisis de ecuaciones de estimación generalizadas aplicado a cada factor de riesgo, uno por uno, que tiene en cuenta las correlaciones dentro de los hogares.

Los patrones de mezcla específicos por edad entre el caso índice y los contactos del hogar se muestran en la Fig. S2a. Los patrones de mezcla de hogares en Costa Rica se parecen a los observados en otros países14,15, con una característica distintiva de “tres bandas”. La banda diagonal representa la mezcla con contactos de aproximadamente la misma edad, mientras que las dos bandas fuera de la diagonal representan la mezcla intergeneracional (padres que viven con niños pequeños/adultos que viven con padres mayores). El patrón de mezcla entre los contactos domésticos índice y seropositivos es claramente diferente del de los contactos índice y seronegativos (Fig. S2b, c), lo que sugiere que la edad puede ser un factor de riesgo importante asociado con la transmisión del SARS-CoV-2. Por lo tanto, exploramos más a fondo la edad como factor de riesgo al incluir variables de edad que modulan la infectividad y la susceptibilidad en los modelos de transmisión doméstica de cadena binomial.

El modelo de transmisión doméstica en cadena binomial ajustado a datos serológicos sugirió múltiples factores de riesgo asociados con la transmisión doméstica del SARS-CoV-2. Descubrimos que la incorporación de la tasa de incidencia acumulada en Costa Rica como coeficiente de riesgo de infección comunitaria mejoró el ajuste del modelo (Tabla S1, Modelo 1 frente a Modelo 0), lo que sugiere que el riesgo de infección comunitaria se correlaciona con la intensidad de circulación del SARS-CoV-2 fuera del hogar. Descubrimos que los individuos índice asintomáticos tenían la misma probabilidad de transmitir el SARS-CoV-2 que los casos índice sintomáticos, lo que indica la contribución significativa de la transmisión asintomática en la propagación del SARS-CoV-2 (Fig. 2a)16. Es importante destacar que encontramos que los factores conductuales fueron impulsores importantes de la transmisión en el hogar: compartir un dormitorio con el caso índice (odds ratio ajustado de no compartir versus compartir: 0,22 con IC del 95% (0,10–0,41), o cuidar del caso índice (ajustado). odds ratio no cuidar vs cuidar: 0,45 con IC 95% 0,19-0,89) fueron factores de riesgo de transmisión, mientras que el caso índice llevaba mascarilla (más de la mitad del tiempo durante las dos semanas posteriores al diagnóstico, odds ratio ajustado 0,33 con 95% IC 0,09-0,75) fue protector. Evitar la interacción con el caso índice (<1 h) dentro de las dos semanas posteriores a su diagnóstico reduciría el riesgo en un 45 % (odds ratio ajustado versus >1 h: 0,55 con IC del 95 %: 0,34 -0,86). Curiosamente, el hecho de que los miembros del hogar usaran o no una máscara al interactuar con el caso índice no afectó significativamente el riesgo de contraer infección. Nuestro modelo sugiere que el número de contactos en el hogar tuvo una fuerte asociación negativa con el riesgo por contacto. de transmisión del SARS-CoV-2: duplicar el número de números de contacto disminuye el riesgo de transmisión por contacto en un 74 % (IC 95 %: 67–79 %). Además, el género no se asoció significativamente con la susceptibilidad ni la infectividad del SARS-CoV-2. No observamos una asociación significativa entre la edad del caso índice y la infectividad del SARS-CoV-2, pero encontramos una asociación significativa entre la edad del miembro del hogar y la susceptibilidad al SARS-CoV-2: los niños menores de 12 años tenían significativamente más probabilidades de estar infectado en comparación con el grupo de edad de 40 a 59 años (OR 1,57, IC del 95 %: 1,08 a 2,28), mientras que todos los demás grupos de edad fueron significativamente menos susceptibles (Fig. 2a).

a Odds ratios estimados (ajustados) de los factores de riesgo de transmisión ajustados a 304 casos índice y sus 719 contactos. Los puntos sólidos y las líneas horizontales representan estimaciones puntuales e intervalos de confianza del 95%. Los círculos representan la clase de referencia. b Riesgos iniciales de transmisión del caso índice y de los miembros seropositivos del hogar, así como riesgos iniciales de contraer la infección en la comunidad. c – f Distribución (histograma) del riesgo de infección comunitaria proyectado por el modelo y la tasa de ataque secundario en el hogar entre los participantes del estudio. c Distribución de los riesgos acumulados de infección comunitaria* d Distribución de la tasa de ataque secundario atribuible a miembros seropositivos del hogar que no son los casos índice e Distribución de la tasa de ataque secundario atribuible al caso índice. f Distribución de la tasa de ataque secundario por caso índice en un escenario contrafactual donde no se tomaron medidas preventivas (PM) después del diagnóstico del caso índice. g Distribución de la tasa de ataque secundario por caso índice en un escenario contrafactual donde todas las medidas preventivas (MP) se tomaron después del diagnóstico del caso índice. (*Todos los resultados provienen del modelo con mejor ajuste a los datos: modelo 15, Tabla S1).

Utilizando la estimación de mejor ajuste del modelo binomial en cadena, proyectamos la distribución del riesgo de infección comunitaria, así como la tasa de ataque secundario en el hogar entre todos los participantes de la cohorte. Estimamos que el riesgo acumulado promedio de infección comunitaria durante el período de estudio fue del 19% (IC del 95%: 14-26%, Fig. 2c), más bajo que la tasa de ataque secundario en el hogar atribuible a miembros seropositivos del hogar (34%; 95% IC 5-75%, Fig. 2d). Curiosamente, la tasa promedio de ataque secundario proyectada por el caso índice fue del 18% (IC del 95%: 1–74%), menos de la mitad de la tasa de ataque secundario atribuible a los miembros seropositivos del hogar (Fig. 2e). Este hallazgo se explica por el hecho de que una fracción significativa de la población de la cohorte tomó medidas de protección después del diagnóstico del caso índice, que han demostrado ser efectivas para reducir la transmisión, incluyendo evitar compartir dormitorio, reducir las interacciones fuera del dormitorio y usar máscaras (Tabla 1). También encontramos que el 30% de los casos índice fueron la fuente del 80% de la transmisión posterior de todos los casos secundarios, lo que indica una alta heterogeneidad de transmisión (Fig. 2e).

Además, proyectamos un escenario hipotético en el que la población de la cohorte no adoptó medidas conductuales preventivas (todos los miembros del hogar compartían un dormitorio con el caso índice, interactuaban con el índice durante más de 10 h fuera del dormitorio, cuidaban al caso índice que sí lo hacía). no usar mascarilla la mayor parte del tiempo). La tasa de ataque secundario proyectada para el caso índice fue del 36% (IC del 95%: 5 a 81%), comparable a la tasa de ataque secundario atribuible a miembros del hogar seropositivos (Fig. 2f). En este caso, la heterogeneidad de la transmisión se reduciría mucho (Fig. 2g), siendo el 58% de los casos índice la fuente del 80% de la transmisión posterior, lo que sugiere que la variación en la adopción de medidas conductuales preventivas fueron fuentes importantes de la transmisión observada del caso índice. heterogeneidad. Si, por el contrario, se evitaran todos los factores de riesgo conductuales y se adoptaran medidas preventivas, la tasa de ataque secundario en el caso índice podría reducirse al 5% (IC 95%: 0-20%). Además, llevamos a cabo un análisis de sensibilidad de las estimaciones de arranque a nivel de hogares, controlando la distribución conjunta del tamaño del hogar y la categoría de edad (Tabla 1), el sexo y el mes de diagnóstico de los casos índice (detallados en, para abordar el posible efecto de agrupamiento de hogares). (Fig. S4). Los intervalos de confianza de arranque (Fig. S4) son más amplios que los intervalos de confianza basados ​​en el índice de verosimilitud (Fig. 2a), con los efectos del uso de máscara en el caso índice y la duración de la interacción fuera del dormitorio (con el caso índice). se vuelven estadísticamente no significativos. También realizamos un análisis de sensibilidad que excluyó a los hogares con casos índice o miembros del hogar que habían recibido la vacuna antes o durante el estudio, como se muestra en la Fig. S5. Los resultados siguen siendo similares a los resultados principales que se muestran en la Fig. .2a, donde los efectos de la duración de la interacción fuera del dormitorio (con el caso índice) se vuelven estadísticamente no significativos.

Encuestamos la presencia de catorce síntomas relacionados con COVID-19 independientemente del estado serológico. La prevalencia de cada síntoma se presenta en la Fig. 3a, junto con el riesgo relativo al comparar contactos seropositivos con seronegativos en la Fig. 3b. En general, la prevalencia fue significativamente mayor para los 14 síntomas en personas seropositivas que para aquellos que eran seronegativos (riesgo relativo (RR] > 2, p < 0,01 para los 14 síntomas). Para síntomas con una prevalencia superior al 20% entre personas seropositivas , la pérdida del olfato (RR = 5,5; IC del 95 %: 5,0 a 6,0) y la pérdida del gusto (RR = 4,7, IC del 95 %: 4,4 a 5,0) fueron los factores más predictivos de infección por SARS-CoV-2. El setenta por ciento de los individuos seropositivos tenían al menos un síntoma, mientras que sólo el 29% de los individuos seronegativos informaron al menos un síntoma (Fig. 3c). La regresión logística (Fig. 3d) de tener al menos un síntoma frente a un indicador de seropositividad arrojó un odds ratio ajustado de 9,2 (95 % IC 4,6–18,5, p < 0,001). Sin embargo, entre los individuos seropositivos, la prevalencia de la presentación de síntomas difería significativamente según la edad: las personas de 0 a 12 y de 13 a 24 años tenían un 72% y un 69% menos de probabilidades de presentar síntomas (OR 0,28 con IC del 95 %: 0,1–0,77 y 0,31 con IC del 95 %: 0,11–0,85 respectivamente, p < 0,05 para ambos) en comparación con personas de 40 a 59 años.

a Prevalencia de síntomas tanto entre individuos seropositivos (barra roja) como seronegativos (barra verde). b El riesgo relativo de presentación de síntomas en individuos seropositivos frente a seronegativos. El panel b comparte el mismo eje y que el panel a. Los puntos y las líneas horizontales representan una estimación puntual y un intervalo de confianza del 95%, basado en las presentaciones de síntomas de 719 contactos del hogar. c La prevalencia de los síntomas por frecuencia de los síntomas (Asim. denota individuos asintomáticos, 1-3 denota individuos que tienen 1-3 de todos los síntomas enumerados en a, 4-6 denota tener 4-6 de todos los síntomas enumerados en a y 7+ denota tener más de 7 síntomas enumerados en a. d Análisis de regresión sobre el riesgo de ser sintomático (tener al menos 1 síntoma en a por estado serológico y edad. "Si sero +" denota si el individuo es seropositivo; "Edad (sero-)" denota la dependencia de la edad de ser sintomático entre individuos seronegativos; la edad (sero +) denota la dependencia de la edad de ser sintomático entre individuos seropositivos. Los puntos y las líneas horizontales representan una estimación puntual y un intervalo de confianza del 95%, basado en las presentaciones de síntomas de 719 contactos del hogar.

Mediante el ajuste de modelos de transmisión a datos serológicos domésticos, obtuvimos estimaciones tanto de las tasas de ataque secundario como de la transmisión comunitaria e identificamos medidas de comportamiento significativas para prevenir la transmisión doméstica en la era de la variante previa a la vacunación y a la variante de escape inmune. Aunque se han realizado estudios de seroprevalencia y de hogares en América Latina17,18 nuestro estudio es el primero en estimar tanto la tasa de ataque secundario en los hogares como las tasas de infección comunitaria, y en identificar medidas preventivas específicas que se puedan actuar. Este trabajo aumenta nuestro conocimiento sobre la transmisión del SARS-CoV-2 en países de ingresos medios de América Latina y, de manera más amplia, amplía nuestra comprensión de la transmisión en una variedad de entornos.

Lo más destacado de nuestro estudio es que proporciona evidencia del mundo real de que las medidas preventivas dentro del hogar, como la disposición para dormir y la reducción de los contactos fuera del dormitorio, así como el uso de máscaras por parte de los miembros del hogar y las personas infectadas, se asociaron significativamente con la reducción del riesgo de Transmisión de SARS-CoV-2 dentro del hogar. Curiosamente, nuestro hallazgo sugirió que el uso de máscaras en el caso índice es eficaz como "control de fuente". Un estudio doméstico reciente realizado durante la ola de Omicron en cuatro jurisdicciones de los Estados Unidos encontró de manera similar que las tasas de ataque fueron significativamente más bajas entre los casos índice que se aislaron o usaron una máscara1. Nuestro estudio enfatiza la importancia de las intervenciones no farmacéuticas para reducir el riesgo de infección y la carga de morbilidad en el hogar, especialmente cuando las vacunas no están ampliamente disponibles o son ineficaces para prevenir la transmisión.

Nuestro estudio sugirió que los niños menores de 12 años tenían más probabilidades de infectarse. La edad como factor de riesgo de susceptibilidad y transmisibilidad se ha estudiado en numerosos entornos y con una variedad de diseños; el efecto de la edad depende en gran medida de las tasas de contacto específicas por edad y, por lo tanto, es difícil separarlo de los efectos biológicos19. De hecho, varios estudios han observado una susceptibilidad reducida al SARS-CoV-2 entre los niños, a diferencia de nuestro hallazgo2,20,21,22. La mayor susceptibilidad del grupo de <12 años en nuestro estudio puede ser una función de factores de comportamiento, particularmente el tiempo que pasan en casa, ya que los niños de este grupo de edad tienen más probabilidades de permanecer en casa bajo la supervisión de un adulto y, por lo tanto, tienen un mayor riesgo de exposición a y transmisión en el hogar por contactos adultos.

Nuestro estudio es único en el sentido de que se preguntó a los individuos seropositivos y seronegativos sobre la presentación de sus síntomas en el momento del diagnóstico del caso índice, antes de la recolección de la muestra de suero. Los individuos seronegativos sirvieron como grupo de control para evaluar la prevalencia de los síntomas en poblaciones no infectadas, ya que muchos de los síntomas relacionados con la COVID-19 no son específicos. Nuestros resultados confirman la alta tasa de infecciones asintomáticas en la población más joven e identificaron la pérdida del gusto y del olfato como altamente específicas del SARS-CoV-2 en la era anterior a Omicron.

Para explorar más a fondo la importancia del tamaño del hogar y los contactos, probamos modelos que asumían relaciones logarítmicas y lineales para el número de contactos del hogar y descubrimos que el modelo logarítmico funcionó mejor (Tabla S1, Modelo 7 versus Modelo 8). Esto sugiere una relación de ley de potencia entre la tasa de ataque secundario del hogar y el número de contactos del hogar n, es decir,: \({SAR}\propto {n}^{-\gamma }\) donde nuestro modelo estimó γ = 1,7. Descubrimos que la tasa de ataque secundario del hogar disminuía cuando el tamaño del hogar aumentaba y que una relación de ley de potencia vinculaba la tasa de ataque secundario del hogar con el número de contactos del hogar n, donde

y γ = 1,7. Esto podría deberse a una dilución de la intensidad de interacción del hogar por contacto del hogar, por lo que un individuo en un hogar grande tiene más miembros para interacciones que en un hogar pequeño y, por lo tanto, menos propensión a interactuar con el caso índice.

El modelo binomial en cadena sugirió que la distribución de la tasa de ataque secundario por caso índice es altamente heterogénea, siendo el 30% de los casos índice la fuente del 80% de la transmisión posterior de todos los casos secundarios (Fig. 2e). Esta heterogeneidad se debió principalmente a la adopción parcial de las medidas preventivas. En el escenario hipotético sin medidas preventivas (Fig. 2f), la heterogeneidad de la transmisión se reduciría mucho, siendo el 6% de los casos índice la fuente del 80% de la transmisión posterior. Esto sugiere que las variaciones en la adopción de medidas preventivas contribuyen a las heterogeneidades observadas en las cadenas de transmisión del SARS-CoV-22,23. La comparación de las tasas de ataques secundarios entre los estudios está limitada por las diferencias en el diseño de los estudios, incluida la determinación de la infección, así como el seguimiento y los enfoques para las pruebas de antígenos o anticuerpos del SARS-CoV-2. Sin embargo, nuestra tasa de ataque secundario es algo más alta que el SAR del 23,9 % encontrado en una cohorte de hogares grande observada en Sudáfrica entre julio de 2020 y agosto de 20214, y es menor que la encontrada en estudios de hogares en los Estados Unidos, con SAR de 61. % para variantes Alpha y 55% para variantes no Alpha3.

Nuestro estudio tiene varias limitaciones. En primer lugar, los cuestionarios relacionados con factores de comportamiento (compartir dormitorio, interacción fuera del dormitorio y cuidado del caso índice) solo estaban dirigidos a la interacción entre el individuo índice y cada miembro del hogar. No pudimos evaluar cómo las interacciones entre los miembros del hogar (no incluidos en el índice) impactan la transmisión. En segundo lugar, no pudimos evaluar cómo las variaciones en la duración y la intensidad de la eliminación viral entre los individuos infectados podrían afectar potencialmente la transmisión, ya que no recolectamos muestras respiratorias de los participantes. En particular, un estudio reciente de Sudáfrica ha demostrado la importancia de la carga viral y la cinética en la transmisión doméstica del SARS-CoV-224. Además, solo teníamos la fecha de diagnóstico SASR-CoV-2 del caso índice, por lo que el momento exacto de la infección del caso índice seguía siendo incierto. Tampoco evaluamos los parámetros de ventilación del hogar que podrían afectar el riesgo de transmisión del SARS-CoV-2 dentro de espacios confinados25. Otra limitación es que nuestro estudio se basó en datos autoinformados, por lo que los datos estaban sujetos a sesgos de recuerdo y/o deseabilidad social. Finalmente, estas estimaciones corresponden a la primera ola y es posible que no sean generalizables a oleadas epidémicas posteriores con variantes más transmisibles o de escape inmunológico. Sin embargo, estas estimaciones sirven como base para estudios futuros, y nuestros hallazgos con respecto a la prevención en el hogar son comparables a los encontrados en los EE. UU. durante la ola Omicron, lo que sugiere que los hallazgos son generalizables. En resumen, nuestro estudio de un país de ingresos medios de América Latina apunta a medidas preventivas relativamente simples para limitar la transmisión doméstica y sugiere que mecanismos conductuales simples pueden explicar la heterogeneidad generalizada de la transmisión reportada en el SARS-CoV-2.

Los investigadores agradecen consultas sobre posibles colaboraciones y solicitudes de acceso al conjunto de datos. Los conjuntos de datos anónimos, según sea necesario, se pueden compartir después de la aprobación de una propuesta y un acuerdo de uso de datos firmado. Todas las propuestas de uso de los datos y los acuerdos de uso de datos relacionados serán aprobados por un comité de acceso a datos que incluirá investigadores principales del Instituto Nacional de Alergias y Enfermedades Infecciosas (NIAID), los Institutos Nacionales de Salud (NIH), la Agencia Costarricense de Medicina Biomédica Investigación (Agencia Costarricense de Investigaciones Biomédicas (ACIB)—Fundación INCIENSA (FUNIN)), y la Caja Costarricense de Seguridad Social (CCSS). Los investigadores interesados ​​en obtener más detalles sobre este estudio, incluidos protocolos, formularios de consentimiento informado y acuerdo de uso de datos, deben comunicarse con el investigador principal y la autora correspondiente, D Rebecca Prevots ([email protected]). Los datos fuente para reproducir las cifras están disponibles en26 https://doi.org/10.5281/zenodo.7793795.

El código para reproducir las figuras está disponible en26 https://doi.org/10.5281/zenodo.7793795.

Baker, JM y cols. Transmisión de la variante SARS-CoV-2 B.1.1.529 (Omicron) dentro de los hogares: cuatro jurisdicciones de EE. UU., noviembre de 2021 a febrero de 2022. MMWR Morb. Semanal mortal. Representante 71, 341–346 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Sun, K. y col. Heterogeneidades de transmisión, cinética y controlabilidad del SARS-CoV-2. Ciencia 371. https://doi.org/10.1126/science.abe2424 (2021).

Donnelly, MAP et al. Transmisión doméstica de la variante Alfa del SARS-CoV-2: Estados Unidos, 2021. Clin. Infectar. Dis. publicado en línea en febrero https://doi.org/10.1093/cid/ciac125 (2022).

Cohen, C. y col. Incidencia, transmisión y reinfección del SARS-CoV-2 en un entorno rural y urbano: resultados del estudio de cohorte PHIRST-C, Sudáfrica, 2020-2021. Infección por lanceta. Dis. publicado en línea en marzo. https://doi.org/10.1016/S1473-3099(22)00069-X (2022).

Bi, Q. y col. Información sobre la transmisión doméstica del SARS-CoV-2 a partir de una encuesta serológica poblacional. Nat. Comunitario. 12, 3643 (2021).

Artículo CAS PubMed PubMed Central Google Scholar

Madewell, ZJ, Yang, Y., Longini, IM Jr, Halloran, ME y Dean, NE Tasas de ataque secundario del SARS-CoV-2 en los hogares por variante y estado de vacunación: una revisión sistemática y un metanálisis actualizados. Red JAMA. Abierto 5, e229317 (2022).

Artículo PubMed PubMed Central Google Scholar

CENTROS PARA EL CONTROL Y LA PREVENCIÓN DE ENFERMEDADES. Cuarentena y aislamiento. Centros de Control y Prevención de Enfermedades. 2022; publicado en línea en mayo. https://www.cdc.gov/coronavirus/2019-ncov/your-health/quarantine-isolation.html (consultado el 11 de mayo de 2022).

Lineamientos Nacionales para la Vigilancia de la infección por Coronavirus (2019-nCoV). Ministerio de Salud Costa Rica. https://www.ministeriodesalud.go.cr/index.php/vigilancia-de-la-salud/41-lineamientos-coronavirus/134-lineamientos-nacionales-para-la-vigilancia-de-la-infeccion-por-coronavirus-2019-ncov (accessed June 20, 2022).

Fantin, R. y col. Estimación de la efectividad de la vacuna contra la infección, hospitalización y muerte por SARS-CoV-2 a partir de datos ecológicos en Costa Rica. Enfermedad infecciosa de BMC. 22, 767 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Burbelo, PD et al. Sensibilidad en la detección de anticuerpos contra la nucleocápside y proteínas de pico del síndrome respiratorio agudo severo Coronavirus 2 en pacientes con enfermedad por coronavirus 2019. J. Infect. Dis. 222, 206–213 (2020).

Artículo CAS PubMed Google Scholar

Farhat, Z. y col. Reproducibilidad, variabilidad temporal y concordancia de ácidos biliares séricos y fecales y ácidos grasos de cadena corta en un estudio poblacional. Epidemiol del cáncer. Biomarcadores Anterior. 30, 1875–1883 ​​(2021).

Artículo CAS PubMed PubMed Central Google Scholar

Longini, IM Jr, Koopman, JS, Monto, AS & Fox, JP Estimación de los parámetros de transmisión de la influenza en los hogares y la comunidad. Soy. J. Epidemiol. 115, 736–751 (1982).

Artículo PubMed Google Scholar

Gordon, A. y col. Dinámica de transmisión de influenza en hogares urbanos, Managua, Nicaragua, 2012-2014. Emergente. Enfermedad infecciosa. 24, 1882–1888 (2018).

Mossong, J. y col. Contactos sociales y patrones de mezcla relevantes para la propagación de enfermedades infecciosas. PLoS Med. 5, e74 (2008).

Artículo PubMed PubMed Central Google Scholar

Mistry, D. y col. Inferir patrones de mezcla humana de alta resolución para modelar enfermedades. Nat. Comunitario. 12, 323 (2021).

Artículo CAS PubMed PubMed Central Google Scholar

Buitrago-García, D. et al. Aparición y potencial de transmisión de infecciones asintomáticas y presintomáticas por SARS-CoV-2: una revisión sistemática viva y un metanálisis. PLoS Med. 17, e1003346 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

González, F. et al. Seroepidemiología de las infecciones por SARS-CoV-2 en una cohorte de población urbana en León, Nicaragua. Epidemiol. Infectar. 149, e247 (2021).

Artículo PubMed Google Scholar

Maier, HE et al. Espectro clínico de la infección por SARS-CoV-2 y protección contra la reinfección sintomática. Clínico. Infectar. Dis. publicado en línea en agosto https://doi.org/10.1093/cid/ciab717 (2021).

Wang, X., Han, Q. y Kong, JD Estudio de la transmisión mixta en una comunidad con heterogeneidad de edades: COVID-19 como estudio de caso. Infectar. Dis. Modelo 7, 250–260 (2022).

PubMed PubMed Central Google Académico

Davies, NG y cols. Efectos dependientes de la edad en la transmisión y control de las epidemias de COVID-19. Nat. Medicina. 26, 1205-1211 (2020).

Artículo CAS PubMed Google Scholar

Dattner, I. et al. El papel de los niños en la propagación de COVID-19: uso de datos de hogares de Bnei Brak, Israel, para estimar la susceptibilidad relativa y la infectividad de los niños. Computación PLoS. Biol. 17, e1008559 (2021).

Artículo CAS PubMed PubMed Central Google Scholar

Toh, ZQ y cols. Comparación de seroconversión en niños y adultos con COVID-19 leve. Red JAMA. Abierto 5, e221313 (2022).

Artículo PubMed PubMed Central Google Scholar

Endo, A. Grupo de trabajo del Centro para el modelado matemático de enfermedades infecciosas COVID-19, Abbott, S., Kucharski, AJ, Funk, S. Estimación de la sobredispersión en la transmisión de COVID-19 utilizando tamaños de brotes fuera de China. Bienvenido Open Res. 5, 67 (2020).

Sun, K. y col. Transmisión del SARS-CoV-2, persistencia de la inmunidad y estimaciones del impacto de Omicron en cohortes de población sudafricanas. Ciencia. Traducción Medicina. 14, eabo7081 (2022).

Wang, CC y cols. Transmisión aérea de virus respiratorios. Ciencia 373. https://doi.org/10.1126/science.abd9149 (2021).

Sun, K. Datos y código para “Factores de comportamiento y heterogeneidad de la transmisión del SARS-CoV-2 dentro de una cohorte de hogares en Costa Rica”. https://doi.org/10.5281/zenodo.7793795 (2023).

Descargar referencias

Este trabajo fue apoyado por los Programas de Investigación Intramuros de NIAID, NIDCR, NCI y por la FIC. Deseamos agradecer a todos los participantes en este estudio. También agradecemos a la Dra. Aimee Kreimer por su apoyo en la implementación de este estudio. Los hallazgos y conclusiones de este informe son responsabilidad de los autores y no necesariamente representan la posición oficial de los NIH.

Financiamiento de acceso abierto proporcionado por los Institutos Nacionales de Salud (NIH).

División de Epidemiología Internacional y Estudios de Población, Centro Internacional Fogarty, Institutos Nacionales de Salud (NIH), Bethesda, MD, EE. UU.

Kaiyuan Sun y Cecile Viboud

Agencia Costarricense de Investigaciones Biomédicas (ACIB) – Fundación INCIENSA (FUNIN), San José, Costa Rica

Viviana Loria, Carolina Porras, Juan Carlos Vanegas, Michael Zúñiga, Carlos Avila, Rolando Herrero, Bernal Cortés, Viviana Loría & Rebecca Ocampo

Caja Costarricense de Seguro Social, San José, Costa Rica

Amada Aparicio, Melvin Morera, Arturo Abdelnour, Amada Aparicio, Karla Moreno, Roy Wong, Melvin Morera, Arturo Abdelnour, Alejandro Calderón, Kattia Camacho, Gabriela Ivankovich & Adriana Yock

División de Epidemiología y Genética del Cáncer, Instituto Nacional del Cáncer, NIH, Bethesda, MD, EE. UU.

Mitchell H. Gail, Ruth Pfeiffer y Allan Hildesheim

Laboratorio de Enfermedades Infecciosas, Instituto Nacional de Alergias y Enfermedades Infecciosas (NIAID), NIH, Bethesda, MD, EE. UU.

Jeffrey I. Cohen

Instituto Nacional de Investigación Dental y Craneofacial, NIH, Bethesda, MD, EE. UU.

Peter D. Burbelo y Mehdi A. Abed

Unidad de Estudios de Epidemiología y Población, Laboratorio de Inmunología Clínica y Microbiología, División de Investigación Intramuros, NIAID, NIH, Bethesda, MD, EE. UU.

D. Rebeca Prevots

Ministerio de Salud, San José, Costa Rica

Roberto Castro

Universidad de Costa Rica (UCR), San José, Costa Rica

Cristina Barboza-Solis y Romain Fantin

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

DRP: Concepción del estudio, diseño del estudio, análisis de datos, redacción de manuscritos. KS: análisis de datos, redacción de manuscritos, verificación de los datos subyacentes. VL, AA, CP, JCV, MZ, MM, CA, AA, AH, RH: diseño del estudio, adquisición de datos, análisis de datos, revisión del manuscrito. VL, JCV: datos subyacentes verificados. MHG, RP, CV: diseño del estudio, análisis de datos, revisión del manuscrito. JIC, PDB, MAA: pruebas serológicas, análisis de datos, revisión de manuscritos.

Correspondencia a Kaiyuan Sun o D. Rebecca Prevots.

Los autores declaran no tener conflictos de intereses.

Communications Medicine agradece a los revisores anónimos por su contribución a la revisión por pares de este trabajo.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Sun, K., Loria, V., Aparicio, A. et al. Factores de comportamiento y heterogeneidad de la transmisión del SARS-CoV-2 dentro de una cohorte de hogares en Costa Rica. Commun Med 3, 102 (2023). https://doi.org/10.1038/s43856-023-00325-6

Descargar cita

Recibido: 20 de septiembre de 2022

Aceptado: 21 de junio de 2023

Publicado: 22 de julio de 2023

DOI: https://doi.org/10.1038/s43856-023-00325-6

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt