中华流行病学杂志  2023, Vol. 44 Issue (2): 175-183   PDF    
http://dx.doi.org/10.3760/cma.j.cn112338-20221231-01092
中华医学会主办。
0

文章信息

魏永越, 高文静, 张隆垚, 王绍冠, 詹思延, 任涛, 郝元涛, 吕筠, 李立明.
Wei Yongyue, Gao Wenjing, Zhang Longyao, Wang Shaoguan, Zhan Siyan, Ren Tao, Hao Yuantao, Lyu Jun, Li Liming
我国部分公共卫生学院师生新型冠状病毒感染现况调查
Epidemiological survey of 2019-nCoV infection in staff and students in some public health schools in China
中华流行病学杂志, 2023, 44(2): 175-183
Chinese Journal of Epidemiology, 2023, 44(2): 175-183
http://dx.doi.org/10.3760/cma.j.cn112338-20221231-01092

文章历史

收稿日期: 2022-08-25
我国部分公共卫生学院师生新型冠状病毒感染现况调查
魏永越1 , 高文静1,2 , 张隆垚3 , 王绍冠2 , 詹思延2 , 任涛1,2 , 郝元涛1 , 吕筠1,2 , 李立明1,2     
1. 北京大学公众健康与重大疫情防控战略研究中心, 北京 100191;
2. 北京大学公共卫生学院, 北京 100191;
3. 南京医科大学公共卫生学院, 南京 211166
摘要: 目的 了解我国新型冠状病毒感染疫情防控策略调整后,不同地域的流行现况及特点。方法 于2022年12月20日12:00至23日9:00,对全国23个省份39个高校公共卫生学院的教职工和学生(师生)开展网络问卷调查。分析不同地区的感染率,探索感染风险因素、感染者人群特征和临床症状等情况。结果 调查获得28 901份有效问卷(其中学生26 355份,教职工2 546份),问卷有效率为94.3%。北京市感染率最高,其学生和教职工感染率分别达78.55%和76.40%;天津市、河北省的师生感染率均超过65.00%;各省份感染率差异较大;96.76%的感染时间发生于2022年12月1日及以后。与教职工相比,学生的感染风险更低(OR=0.72,95%CI:0.60~0.86);与≤20岁组相比,21~、31~、41~、51~、>60岁组的OR值(95%CI)分别为1.22(1.14~1.30)、1.54(1.30~1.84)、1.25(0.99~1.58)、1.29(0.94~1.78)、1.19(0.51~2.80);末次新型冠状病毒疫苗接种时间距今越长,感染风险越高,以≤3个月以内者为参照,4~、7~、10~、13~及≥16个月者的OR值(95%CI)分别为1.56(1.34~1.82)、1.59(1.36~1.86)、1.67(1.45~1.93)、1.86(1.58~2.19)、2.46(2.09~2.90)。与独住者相比,与1~、3~及≥5人同住者的OR值(95%CI)分别为17.55(15.91~19.39)、20.22(18.25~22.43)和11.78(10.40~13.36)。感染者中,仅有5.94%的教职工和7.19%的学生自报为无症状感染者;在有症状感染者中,85.65%的教职工和88.18%的学生报告出现发热症状。结论 我国各地疫情发展速度差异显著,其传播速度和临床严重程度远超既往认识。应定期开展有组织的流行病学调查,以期为更准确地预测疫情态势和医疗资源需求提供可靠的数据支持。
关键词: 新型冠状病毒感染    感染率    临床症状    
Epidemiological survey of 2019-nCoV infection in staff and students in some public health schools in China
Wei Yongyue1 , Gao Wenjing1,2 , Zhang Longyao3 , Wang Shaoguan2 , Zhan Siyan2 , Ren Tao1,2 , Hao Yuantao1 , Lyu Jun1,2 , Li Liming1,2     
1. Peking University Center for Public Health and Epidemic Preparedness & Response, Beijing 100191, China;
2. School of Public Health, Peking University, Beijing 100191, China;
3. School of Public Health, Nanjing Medical University, Nanjing 211166, China
Abstract: Objective To understand the infection status and characteristics of 2019-nCoV infection in different areas in China after the adjustment of the national prevention and control strategy of 2019-nCoV infection. Methods The online questionnaire survey was conducted among staff and students of 39 public health schools in 23 provinces (municipalities) in China from 12:00 on December 20 to 9:00 on December 23, 2022. The infection rates in staff and students in all the provinces were estimated. The risk factors, demographic and clinical characteristics of 2019-nCoV infections were explored. Results A total of 28 901 valid questionnaires were obtained (26 355 from students and 2 546 from staff) with a qualified rate of 94.3%. The infection rates varied greatly among provinces and cities; the infection rates in students and staff in Beijing reached 78.55% and 76.40%, respectively. Infection rates in students and staff in Tianjin and Hebei also exceeded 65.00%, and 96.76% of infections occurred on and after December 1, 2022. Students had lower risk for the infection compared with staff (OR=0.72, 95%CI: 0.60-0.86). Compared with age group ≤ 20 years, the OR of age groups 21-30, 31-40, 41-50, 51-60 and > 60 years were 1.22 (95%CI: 1.14-1.30), 1.54 (95%CI: 1.30-1.84), 1.25 (95%CI: 0.99-1.58), 1.29 (95%CI: 0.94-1.78) and 1.19 (95%CI: 0.51-2.80), respectively. The longer the period after the last vaccination, the higher the risk for the infection. Compared with those who received the last vaccination in the past 3 months, the OR of those who received the last vaccination in the past 4-6 months, 7-9 months, 10-12 months, 13-15 months and ≥ 16 months were 1.56 (95%CI: 1.34-1.82), 1.59 (95%CI: 1.36-1.86), 1.67 (95%CI: 1.45-1.93), 1.86 (95%CI: 1.58-2.19) and 2.46 (95%CI: 2.09-2.90), respectively. Compared with those living alone, the OR of those living with 1-2, 3-4 and ≥ 5 roommates were 17.55 (95%CI: 15.91-19.39), 20.22 (95%CI: 18.25-22.43) and 11.78 (95%CI: 10.40-13.36), respectively. Only 5.94% of the staff and 7.19% of the students reported asymptomatic infections. Among those with symptoms, 88.18% of students and 85.65% of staff reported symptom of fever. Conclusions The transmission dynamics of 2019-nCoV infection varied significantly across the country. The speed of transmission of 2019-nCoV and clinical severity of the infection were far beyond our knowledge. Organized epidemiological survey should be regularly carried out to provide reliable data support for more accurate prediction of the epidemic and medical resource allocation.
Key words: 2019-nCoV infection    Infection rate    Clinical symptom    

2022年11月11日和12月7日,国务院应对新型冠状病毒感染的疫情联防联控工作机制综合组相继发布《关于进一步优化新冠肺炎疫情防控措施科学精准做好防控工作的通知》(“二十条措施”)和《关于进一步优化落实新冠肺炎疫情防控措施的通知》(“新十条”)[1-2]。特别是“新十条”要求不再按行政区域开展全员核酸检测,进一步缩小核酸检测范围,减少频次,除特殊机构外,不要求提供核酸阴性证明。由此,防控重点从“感染防控”逐步转向“临床救治”。另一方面,由于不再实施大范围的核酸检测,且缺乏收集抗原检测结果的渠道,导致官方报告的每日新增感染数、每日新增病例数等和实际情况有所差异,防控部门无法及时准确掌握疫情发展态势,对疫情发展研判十分不利。亟待在全国范围内开展有代表性的新型冠状病毒感染(新冠感染)疫情流行病学调查,以了解我国不同地域的流行现况和特点。因传统面访问卷调查耗时长,当下不具备可行性,而通过一般互联网发送的问卷目标总体不清,本研究在全国部分高校公共卫生学院教职工和学生(师生)中,有组织地开展了新冠感染流行现况的网络调查,以期为疫情防控的科学决策提供参考依据。

对象与方法

1. 研究对象:于2022年12月20日12:00至23日9:00,在我国23个省份32个城市的39个高校公共卫生学院开展调查。原则上要求所有师生(含本科生和研究生)应答,实际共回收问卷34 439份。剔除根据IP地址判为重复提交3 791份、定位不在国内27份、年龄填写异常1 684份、感染时间填写异常36份,最终获得有效问卷28 901份,问卷有效率94.3%。其中来自教职工2 546份,学生26 355份。根据各学院师生总数计算调查应答率,应答率≥70%、50%~、30%~、< 30%的学院数量依次为15、7、11、6个。

2. 研究方法:调查问卷涉及31个问题:年龄、性别、身份;是否感染、感染频次和距离上一次感染的时间;最近一次感染的地址(具体到市)、确定依据、确定时间、是否有新冠感染可能有关的临床症状、临床症状类型、发热的最高体温、是否就医、是否住院、是否诊断为肺炎、是否被医生诊断为重症/危重症、是否对症用药、已使用的药物;截至目前症状是否已基本消失、距首次出现症状多少天后症状基本消失、影响睡眠的症状是否已基本消失、影响睡眠的症状持续时间;抗原检测/核酸检测是否转阴、首次确认抗原/核酸阴性距确定感染时间;是否有基础疾病、基础疾病情况;新型冠状病毒疫苗(新冠疫苗)接种情况、末次新冠疫苗接种距今时间;同住人数及其已感染人数。同住人定义为居住在同一套房屋者。

通过“问卷星”软件(https://www.wjx.cn)向参与调查的单位推送调查表网络链接,在各高校公共卫生学院师生中同步开展调查,限时2 d内完成。记录被调查者提交时的IP地址(城市)。

3. 统计学分析:采用R 4.1.2软件进行数据管理和统计学分析。数值变量资料采用MQ1Q3)描述,组间比较采用t检验;分类资料采用频数和构成比(%)描述,组间比较和各地学生和教职工感染率的比较采用χ2检验。若为等级资料则采用Kruskal-Wallis秩和检验。分别对感染者和未感染者的年龄、性别、基础疾病情况、新冠疫苗接种情况、末次新冠疫苗接种距今时间、同住人情况等因素进行了比较,将P≤0.05的变量纳入后续的多因素分析。采用logistic回归进行感染风险的单因素和多因素分析。以P≤0.05为差异有统计学意义。

结果

1. 基本特征:参加调查的学生年龄MQ1Q3)为21(19~23)岁,范围为17~47岁,男性占30.12%;教职工年龄MQ1Q3)为39(32~48)岁,范围为18~79岁,男性占34.60%。有基础疾病者在学生中占2.13%,在教职工中占11.39%。学生和教职工中接种新冠疫苗≥3剂分别占84.74%和78.79%,末次新冠疫苗接种距今≤6个月者分别占22.27%和21.05%。见表 1

表 1 调查对象基本特征

2. 感染率及其分布:根据研究对象的IP地址和各高校公共卫生学院所在城市进行比对发现,调查时已有74.89%的学生和16.41%的教职工离开学院所在城市,其调查时所在地分布在全国31个省份的345个城市。因此,本研究按调查时所在地进行分析,师生感染率分布前3位的省份为北京、天津、河北,均已超过65.00%,其中北京市的学生和教职工感染率分别达78.55%和76.40%。各省份感染率差异较大,学生和教职工的感染率最高和最低相差分别达5.81倍和14.14倍(表 2)。本研究96.76%感染者的感染时间发生于2022年12月1日及以后。各省份按自报的确诊时间分布高峰见图 1。结果表明,北京市师生的感染高峰出现得最早(12月13日),而西藏、福建、甘肃等省份的感染高峰截至调查结束时尚不明确。

表 2 我国部分公共卫生学院师生新型冠状病毒感染率
图 1 我国部分公共卫生学院师生各省份新型冠状病毒感染确诊时间分布

3. 感染者特征:感染者中绝大多数为首次感染,仅0.85%(10人)的教职工和0.23%(22人)的学生自报感染≥2次。学生中,1 215人(12.75%)通过抗原确诊,2 696人(28.29%)通过核酸确诊;教职工中,146人(12.39%)通过抗原确诊,530人(44.99%)通过核酸确诊;58.96%的学生和42.62%的教职工通过典型临床症状和/或周围人的感染情况而自我判断感染。见表 3

表 3 我国部分公共卫生学院师生新型冠状病毒感染者人群分布和临床症状

自报无症状感染者755人,其中教职工中无症状感染者占5.94%,学生为7.19%。无症状感染者中,154人(20.40%)通过抗原确诊,149人(19.73%)通过核酸确诊,452人(59.87%)通过典型症状和/或周围人的感染情况而自我判断感染。

在有症状者中,教职工和学生报告出现的首要症状均为发热,分别占85.65%和88.18%,最高体温MQ1Q3)为39.00(38.50~39.30)℃。在有症状者中,咳嗽、乏力、咽干均占 > 70.00%。嗅觉减退或丧失约占1/5,味觉减退或丧失约占1/4。症状持续时间MQ1Q3)为6(4~7)d,其中影响睡眠的症状持续时间MQ1Q3)为3(2~4)d。病程天数MQ1Q3)为7(5~9)d。75.15%的教职工和65.96%的学生同住人全部感染。见表 3

4. 感染者与未感染者的特征比较:在学生人群中,感染者和未感染者在年龄(岁)(P < 0.001)、基础疾病(P=0.007)等方面的分布差异均有统计学意义。感染者和未感染者在新冠疫苗接种剂次上构成比差异有统计学意义(P < 0.001);感染者末次新冠疫苗接种距今时间较未感染者更长(末次新冠疫苗接种距今≥7个月者,80.06% vs. 76.28%)。感染者中,仅5.36%为独住,而未感染者中51.68%者为独住,前者较后者的同住人数也更多(P < 0.001)。

在教职工人群中,感染者和未感染者在年龄(岁)(P=0.251)、基础疾病(P=0.403)等方面的分布差异无统计学意义。感染者和未感染者在新冠疫苗接种剂次上差异无统计学意义(P=0.985);但感染者末次新冠疫苗接种距今时间较未感染者更长(末次新冠疫苗接种距今≥7个月者,81.39% vs. 76.85%)。感染者独住占比较未感染者更低(9.80% vs. 54.43%,P < 0.001),前者较后者的同住人数也更多(P < 0.001)。

多因素分析的结果显示,与教职工相比,学生的感染风险更低,OR值(95%CI)为0.72(0.60~0.86)。与≤20岁组相比,31~40岁组感染风险最高。21~、31~、41~、51~、> 60岁组的OR值(95%CI)分别为1.22(1.14~1.30)、1.54(1.30~1.84)、1.25(0.99~1.58)、1.29(0.94~1.78)、1.19(0.51~2.80)。末次新冠疫苗接种距今时间越长,感染风险越高;以≤3个月者为参照,4~、7~、10~、13~及≥16个月者的OR值(95%CI)分别为1.56(1.34~1.82)、1.59(1.36~1.86)、1.67(1.45~1.93)、1.86(1.58~2.19)、2.46(2.09~2.90)。与独住者相比,与1~、3~及≥5人同住者的OR值(95%CI)分别为17.55(15.91~19.39)、20.22(18.25~22.43)和11.78(10.40~13.36)。见表 4

表 4 我国部分公共卫生学院师生新型冠状病毒感染风险分析

5. 感染者就医行为分析:感染者中,仅有6.21%的学生和3.31%的教职工曾经就医;0.20%(19人)的学生和0.59%(7人)的教职工被诊断为肺炎,0.03%(3人)的学生和0.17%(2人)的教职工被诊断为重症病例;无危重症感染者。74.19%的学生和66.89%的教职工对症服药,其中以解热镇痛药(80.35%)、中成药(40.96%)为主,复方感冒药(33.66%)和镇咳祛痰药(26.67%)次之。见表 5

表 5 我国部分公共卫生学院师生中新型冠状病毒感染者就医行为
讨论

截至调查结束,距“新十条”发布仅2周,北京、天津、河北等省份的师生感染率均已超过65.00%。基于牛津大学新冠感染资源中心的疫情数据显示,2022年初中国香港地区的第五波疫情中(BA.2变异株为主),从2021年11月14日的每百万人0.25人感染,发展至2022年3月5日的每百万人8 706人感染的峰值,耗时111 d[3]。2022年初新加坡的第三波疫情中(BA.1和BA.2变异株为主),从2021年12月27日的每百万人49人感染,发展到2022年3月1日的每百万人3 198人感染的峰值,耗时64 d。在2022年初英国的疫情中(BA.2变异株为主),从2021年11月8日的每百万人501人感染,发展至2022年1月5日的每百万人2 699人感染的峰值,耗时58 d。而2022年我国北京市疫情峰值出现于12月13日,距“二十条措施”发布仅32 d,距“新十条”发布仅6 d。本研究结果显示,与独住相比,有同住人者的相对感染风险高达约20倍。约2/3的感染者所报告的同住人已全部感染,比文献中报告的Omicron变异株续发率(39%)高[4-5]。提示家庭内聚集性传播是本次疫情快速发展的主要原因之一。

全国各地疫情发展速度差异显著,学生和教职工的感染率最高和最低的省份相差分别达5.81倍和14.14倍。这和我国防控策略调整后,各地的起始感染者数目、人口密度、人口结构、社会流动性、新冠疫苗接种情况、社会面基础公共卫生防控措施等诸多因素有关。由于春节临近,返乡潮即将到来,人口流动性将显著提升,可能导致感染率尚处低位的地区以及情况未知的农村地区引发疫情[6]。需尽快提升药物可及性,进一步加快医疗机构分级分类诊疗和救治体系建设。建议各地区根据各自的人口学和社会流动性等影响疫情传播的特征,构建专有的评估模型,实时跟踪疫情发展全程,及时提供科学的建议。

在校正了年龄、新冠疫苗接种情况等潜在混杂因素后,末次新冠疫苗接种距今时间越长,感染相对风险越高。调查对象中,已有21.73%的调查对象末次新冠疫苗接种距今已超过12个月,11.29%末次新冠疫苗接种距今已超过16个月,这部分人群的感染风险,甚至感染后的重症/危重症风险将显著升高。对于未感染者,尤其是60岁以上老龄人群和有基础疾病的脆弱人群,应尽快推进新冠疫苗的加强免疫接种工作。对于家庭内存在重症/危重症高风险人群,应进一步加强隔离防护条件。

值得注意的是,感染者中无自我感知临床症状者仅占7.05%,有症状者中发热者占比高达87.89%。而有研究显示我国上海市2022年3-5月Omicron变异株疫情(BA.2变异株为主)中无症状感染者约占90%[7-8];宁波市2021年12月1日至2022年5月31日的Omicron变异株感染确诊病例中,54.1%(61人)为无症状感染者;珠海市2022年1月的Omicron变异株感染确诊病例中,76.0%(38人)为轻症或无症状感染者[9]。我国现阶段流行的新型冠状病毒以Omicron变异株BA.5的亚分支BA.5.2和BF.7为主,其流行病学特征与既往认识有所区别,又值呼吸道传染病高发的冬季,其临床危害性不容小觑[9-10]。提示针对当前变异株流行病学特征的认识亟待更新,将大大提升临床资源需求估算的准确性。约2/3感染者具有上呼吸道感染症状。因此药物应以解热镇痛药为主,同时储备中成药、复方感冒药、镇咳药/祛痰药等对症药物。截至调查结束,由于感染后观察时间较短,再感染者仅32人(0.3%)(正文未展示),低于既往研究报道的水平(2.1%~4.5%)[11-13],有研究提出再感染与初次感染间隔时间MQ1Q3)为267(166~314)d[13],也有研究发现26.6%的感染者2次感染间隔时间 < 90 d,14.9%的感染者 < 60 d[14]。尽管有研究认为再感染与初次感染相比严重程度降低[15-18],但一项基于4万余美国退伍军人再感染者的研究认为,再感染增加了死亡(HR=2.17,95%CI:1.93~2.45)、住院(HR=3.32,95%CI:3.13~3.51)和后遗症风险[19]。目前美国纽约州的实时数据(2022年12月26日)显示,前一周再感染者占总感染者的28%以上[20],因此还需重视再感染情况的收集。

相比近期众多通过互联网媒体平台开展的调查[21],本调查通过机构组织,目标总体明确,接受调查的有效样本量近3万。调查时已有74.89%的学生离校返乡。按照调查时所在地分析,人群覆盖我国七大行政地理区域、31个省份的345个城市,对特定人群具有一定的代表性。调查对象均为公共卫生专业领域师生,被调查者既有医学知识也具备预防知识,不合格问卷不足5%,配合度高,应答数据质量较高,结果具有一定的可靠性。

本研究存在局限性。第一,调查样本为我国各地高校公共卫生学院师生,职业相对局限,年龄分布、工作和生活环境存在一定特殊性;第二,调查的公共卫生学院师生自身具备一定医学和预防知识,可能是本研究估计的就诊率偏低的原因之一;第三,当前调查无法区分城市和农村地区人群流行状况的差异;第四,本调查为横断面调查,无法掌握疫情动态发展情况。全国各地缺乏新冠感染疫情监测体系,为准确了解疫情形式造成了严峻挑战。当前疫情发展迅速,仍需定期重复开展此类调查,并增加对农村地区、老少年龄段人群等的覆盖,以了解各地疫情发展趋势。

本研究旨在为了解我国新冠感染疫情防控策略调整后不同地域的流行现况,提供有益参考。建议有关部门为这类有组织的流行病学调查以及相关医疗卫生部门常规业务数据(如发热门诊就诊人次、急诊人次、现存危重症数、重症监护病床占用情况等)的动态收集提供行政支持,为更准确地预测疫情态势和医疗资源需求提供可靠的参数支持。

利益冲突  所有作者声明无利益冲突

作者贡献声明  魏永越:研究/调查表设计、统计分析、论文撰写;高文静:调查表设计、分析结果校对、论文撰写;张隆垚:调查表设计、统计分析、统计图制作;王绍冠:调查表设计/管理、数据管理;詹思延:为调查表的设计/分析提供意见;任涛:调查组织实施;郝元涛:指导调查表设计、统计分析和解读;吕筠:研究/调查表设计、结果解读和讨论、论文修改和审阅;李立明:研究设计、方案制定、论文审阅、经费支持

志谢 感谢教育部高等院校公共卫生与预防医学专业教学指导委员会的所有委员对此项调查工作的支持;感谢所有参加调查的学生和教职工

参考文献
[1]
国家卫生健康委员会. 关于进一步优化新冠肺炎疫情防控措施科学精准做好防控工作的通知[EB/OL]. (2022-11-11)[2022-11-11]. https://www.mca.gov.cn/article/xw/szyw/202211/20221100044887.shtml.
[2]
国家卫生健康委员会. 关于进一步优化落实新冠肺炎疫情防控措施的通知[EB/OL]. (2022-12-07)[2022-12-07]. http://www.nhc.gov.cn/xcs/zhengcwj/202212/8278e7a7aee34e5bb378f0e0fc94e0f0.shtml.
[3]
Dong ES, Du HR, Gardner L. An interactive web-based dashboard to track COVID-19 in real time[J]. Lancet Infect Dis, 2020, 20(5): 533-534. DOI:10.1016/S1473-3099(20)30120-1
[4]
Del Águila-Mejía J, Wallmann R, Calvo-Montes J, et al. Secondary attack rate, transmission and incubation periods, and serial interval of SARS-CoV-2 omicron variant, Spain[J]. Emerg Infect Dis, 2022, 28(6): 1224-1228. DOI:10.3201/eid2806.220158
[5]
Jørgensen SB, Nygård K, Kacelnik O, et al. Secondary attack rates for Omicron and Delta variants of SARS-CoV-2 in Norwegian households[J]. JAMA, 2022, 327(16): 1610-1611. DOI:10.1001/jama.2022.3780
[6]
Liu Y, Gu ZL, Liu JM. Uncovering transmission patterns of COVID-19 outbreaks: a region-wide comprehensive retrospective study in Hong Kong[J]. eClinicalMedicine, 2021, 36: 100929. DOI:10.1016/j.eclinm.2021.100929
[7]
Wang M, Liu ZD, Wang ZL, et al. Clinical characteristics of 1139 mild cases of the SARS‐CoV‐2 Omicron variant infected patients in Shanghai[J]. J Med Virol, 2023, 95(1): e28224. DOI:10.1002/jmv.28224
[8]
Garrett N, Tapley A, Andriesen J, et al. High asymptomatic carriage with the omicron variant in south Africa[J]. Clin Infect Dis, 2022, 75(1): e289-292. DOI:10.1093/cid/ciac237
[9]
廖春晓, 王波, 吕筠, 等. 新型冠状病毒Omicron变异株病原学及流行病学研究进展[J]. 中华流行病学杂志, 2022, 43(11): 1691-1698.
Liao CX, Wang B, Lyu J, et al. Progress in research of etiology and epidemiology of 2019-nCoV Omicron variant[J]. Chin J Epidemiol, 2022, 43(11): 1691-1698. DOI:10.3760/cma.j.cn112338-20220929-00829
[10]
Fan Y, Li X, Zhang L, et al. SARS-CoV-2 Omicron variant: recent progress and future perspectives[J]. Signal Transduct Target Ther, 2022, 7(1): 141. DOI:10.1038/s41392-022-00997-x
[11]
Pulliam JRC, van Schalkwyk C, Govender N, et al. Increased risk of SARS-CoV-2 reinfection associated with emergence of Omicron in South Africa[J]. Science, 2022, 376(6593): eabn4947. DOI:10.1126/science.abn4947
[12]
Chemaitelly H, Ayoub HH, Tang P, et al. Immune imprinting and protection against repeat reinfection with SARS-CoV-2[J]. N Engl J Med, 2022, 387(18): 1716-1718. DOI:10.1056/NEJMc2211055
[13]
Bastard J, Taisne B, Figoni J, et al. Impact of the Omicron variant on SARS-CoV-2 reinfections in France, March 2021 to February 2022[J]. Euro Surveill, 2022, 27(13): 2200247. DOI:10.2807/1560-7917.ES.2022.27.13.2200247
[14]
Nguyen NN, Houhamdi L, Delorme L, et al. Reinfections with different SARS-CoV-2 Omicron subvariants, France[J]. Emerg Infect Dis, 2022, 28(11): 2341-2343. DOI:10.3201/eid2811.221109
[15]
Abu-Raddad LJ, Chemaitelly H, Bertollini R. Severity of SARS-CoV-2 reinfections as compared with primary infections[J]. N Engl J Med, 2021, 385(26): 2487-2489. DOI:10.1056/NEJMc2108120
[16]
Tillett RL, Sevinsky JR, Hartley PD, et al. Genomic evidence for reinfection with SARS-CoV-2: a case study[J]. Lancet Infect Dis, 2021, 21(1): 52-58. DOI:10.1016/S1473-3099(20)30764-7
[17]
Hansen CH, Michlmayr D, Gubbels SM, et al. Assessment of protection against reinfection with SARS-CoV-2 among 4 million PCR-tested individuals in Denmark in 2020: a population-level observational study[J]. Lancet, 2021, 397(10280): 1204-1212. DOI:10.1016/S0140-6736(21)00575-4
[18]
Nguyen NN, Houhamdi L, Hoang VT, et al. High rate of reinfection with the SARS-CoV-2 Omicron variant[J]. J Infect, 2022, 85(2): 174-211. DOI:10.1016/j.jinf.2022.04.034
[19]
Bowe B, Xie Y, Al-Aly Z. Acute and postacute sequelae associated with SARS-CoV-2 reinfection[J]. Nat Med, 2022, 28(11): 2398-2405. DOI:10.1038/s41591-022-02051-3
[20]
COVID-19 reinfection data[EB/OL]. (2022-12-28)[2022-12-28]. https://coronavirus.health.ny.gov/covid-19-reinfection-data.
[21]
张敏佳, 翟辉辉, 徐鸿博, 等. 新冠肺炎疫情下北京市医疗机构传染病防控工作现状调查[J]. 中国医院管理, 2022, 42(12): 1-5.
Zhang MJ, Zhai HH, Xu HB, et al. Investigation on current situation of infectious disease prevention and control work in medical institutions in Beijing under the COVID-19 epidemic[J]. Chin Hosp Manage, 2022, 42(12): 1-5.