我们使用来自新开发的基于学校网络的监测计划的数据，描述了比利时一个大地区的 COVID-19 流行病的演变，该地区的学校已经重新开放，并且几乎在 2020-2021 整个学年都保持开放。我们表明，当数字平台可用时，在学校和学校卫生网络的现有结构内建立监控网络是可行的。我们提供了对佛兰德地区学校 COVID-19 监测计划的描述性分析，并提供了特定年龄的数据。

年龄是 COVID-19 患者发病率和死亡率的最重要预测因素之一 [22,23,24]。年龄依赖性易感性和传播的存在及其重要性仍不清楚，更何况随着关注的 SARS-CoV-2 变体传播的动态变化，在出现 alpha 变体和随着 omicron 变体感染者的传播率进一步提高 [25]，包括儿童 [26]。此外，关于在成年人群中持续高和提高疫苗接种覆盖率的影响的知识正在发展[27]，而儿科人群的疫苗覆盖率要么大大降低（5-11 岁），要么仍然缺乏授权的疫苗（5岁以下）。在法兰德斯，SARS-CoV-2 疫苗接种是在本研究报告期的最后三个月在法兰德斯成年人群中引入的。两次剂量覆盖率在 > 中达到 44%。研究期结束时的 18 岁人口，但这一数字包括 79% 的 65 岁以上优先人口，此时病毒传播率较低，怀疑尚未对学龄儿童的传播动态产生影响在研究的任何时候。仅在学年结束时才开始为 12-18 岁儿童接种疫苗，比利时从 2021 年 12 月 15 日开始对 12 岁以下人群进行疫苗接种 [28]。

在本研究中，年龄与学年开始时的病例数之间的正相关似乎至少在时间上已经消失，通过结合特定年龄的 NPI、NPI 和年龄相关的测试规则。观察到 2020 年 11 月转变为 50% 的教育后 11-12 年级的病例有所减少，随后在 2021 年 3 月引入口罩后 5-6 年级的病例有所减少。这些数据显示，在对老年组进行特定年级干预后，每 100,000 人中病例数最多的较年轻组连续超过，否定了在学术开始时出现的病例数的年龄依赖性趋势年，从而缩小易感性和感染的年龄差异。此前，在 2020-2021 学年早期，从 7 年级及以上的所有教职员工和学生中开始佩戴口罩。调查口罩强制令的影响的研究 [29] 估计，在所有 2 岁及以上的学生强制戴口罩的地区的发病率较低，并且在引入口罩后发病率有所下降。具有不同面具授权的区域之间的正式比较研究可以建立在这个证据基础上。在 2021-2022 学年期间，在 2022 年秋季，法兰德斯爆发了第四波大规模袭击，并且在 1 年级及以上的学校中引入了通用口罩，此 NPC 的引入可以作为使用持续监测数据进行进一步工作的基础网络。我们发现在 2020-2021 学年（我们的研究期）中，2020 年 3 月之后从 5-6 年级到 9-10 年级的累积病例之间没有统计学上的显着差异。

我们表明，随着时间的推移，儿科人群中的测试非常多样化，这与成人人群中的测试动态不同。与成人相比，测试方案对每个人群的测试影响更大[30]。改变与接触风险分层相关的测试策略，除了减少在学校假期或远程学习期间对儿童进行测试的激励之外，还错失了更完整地捕捉和持续跟踪流行病演变的机会在学龄儿童中。高风险与低风险接触者的分配规则对进一步的检测、评估和隔离有影响。它们直接影响受影响学生的病例调查和发现。因此，遵守这些程序会进一步影响并提供病例发现和监测数据，尽管不可能拥有最终完整的数据集和真正感染者的分子。迄今为止，我们的数据不允许对检测方案对已检测病例与未确诊病例的特定年龄比例的影响进行无偏估计 [31]，我们也无法在该样本中量化检测作为唯一 NPI 的影响。然而，如果没有及时的 HRC 识别、隔离、学校发起的检测、诊断和隔离阳性病例（通过将学校监测系统整合到公共卫生框架中来实现），很可能会有更多病例仍未得到诊断，从而使病毒继续传播。除了为监测系统提供支持外，CBL 工作人员的高质量追踪活动以及他们规定额外检测的能力极大地提高了一般接触者追踪的效率。然而，我们无法完全描述负责机构在建立和维护监控系统时遇到的行政障碍。 CLB临床和普通参谋团的负担一直很高。需要认识到，对专注于一种传染病的监测系统的时间和精力投入会分散其他旨在支持学龄人口更广泛健康的核心活动的时间和精力。

一个明显的发现是，在我们的研究中，来自 SES 最低学校的学生在 2020-2021 学年承担了量化且重要的更高 COVID-19 负担。法兰德斯没有庞大的私立学校网络，NPI 同样适用于所有学校，然而，累积发病率的差异表明，作为社会安排的一部分，学生的社会特征如何在佛兰德地区也不同地塑造传染病动态并导致不平等的疾病负担。已经公布了普通人群中 COVID-19 负担差异的数据 [32,33,34]，少数族裔/种族或历史上的种族化群体具有更高的感染、疾病和死亡率负担以及种族/族裔与通过职业和生活条件，包括无法隔离，导致 SES 低，导致 COVID-19 病例数过多。学校和学生反映了我们的社会，调查感染和疾病的风险因素应包括评估健康的社会决定因素的作用 [33, 35]，独立且专门针对儿科人群 [36, 37]。大流行清楚地说明了这种传染病大流行如何同样是一种社会大流行，并意味着我们需要为最脆弱的儿童和家庭提供额外的支持。

各省累计发病率的差异反映了社区病例的异质省分布。即使在人口稠密且连接良好的法兰德斯地区，SARS-CoV-2 感染率也呈现出局部分布 [38]，这取决于异质混合模式并受制于不同的政策 [39, 40]。研究表明，学校的传播取决于社区传播的水平 [41, 42]。在我们的研究中，学校病例与普通人群中社区病例的演变高度相关（即图 4）。

从监测系统的实施和对其收集的数据的分析中吸取了许多经验教训。为了提高数据质量并尽量减少重要变量的缺失，在现有数字平台中引入和包含监控已被证明是至关重要的，因为使用 excel 文档收集数据是不够的，主要是为了正确捕获元数据。变量定义可能导致信息意外丢失，例如，虽然 CLB 的临床医生收集了有关被测个体存在症状的数据，但这并未反映在只有单一测试原因（症状或 HRC）的数据收集中可以输入。因此，检测的原因不能直接用于评估该儿科人群中症状对检测和病例检测的影响。也不可能以最小的错误分类风险计算学校的二次发作率 (SAR)，这是一种兴趣估计值 [43]。已经实施了进一步的调整，包括使用关联的实验室监测系统收集的数据，将允许分析暴发规模、SAR 和报告后续监测期间有症状病例的比例。我们通过系统自动化来解决案件的不确定性问题，从而显着提高报告效率。然而，我们无法充分评估我们分析中的报告延迟并正式量化及时性，也无法评估其随时间的变化，并评估促进或延迟的决定因素。怀疑周末和假期会导致报告延迟，我们观察到（图 7），但是在 2021 年 1 月连接监控系统后，这种延迟的持续时间有所减少

。当然，学校环境不仅包含学校孩子们。一旦对儿科人群的发病率 [44, 45] 和死亡率极低 [46] 的相对较低的直接影响变得明显，与成人教学和支持人员的密切互动一直是保持学校开放的主要关注点。在教职工和学生中联合收集病例无疑会增加有益的数据，但是这表明这很复杂，并且主要受到该样本中行政和其他障碍的影响。

监测数据的可用性有多种用途[47]。本研究中描述的监测数据每两周向教育部提交一次，也包括在 Sciensano 每周更新中 [20, 21]。监测计划可以检测和跟踪学校环境中登记病例的演变，并提供可与社区监测数据进行比较的基线和后续数据。

改进数据收集工具的建议如下：增加学校缺勤数据 [48, 49]，包括接受测试的儿童总数（包括测试阴性数据），单独收集捕捉有无症状的变量以及在课堂或学校爆发期间报告额外制定的干预措施的机会，以便以后评估其对控制爆发的规模和时间的影响。监测网络可用于跟进和对学校层面干预措施的变化进行影响评估 [50]，例如面对面教育的转变、口罩要求的变化、用于疫情调查的测试方式（抗原与 PCR） ， 和别的。随着高质量数据的可用性，可以开发预测模型作为警报系统，通知流行病的演变，包括计算 SAR（变化）。估计干预措施对病例变化的归因影响可以额外提供与政策决策相关的证据。未来，人们还可以预见，有关疫苗接种覆盖率的信息和有关循环 SARS-CoV-2 变体的其他详细信息对于进一步研究具有价值，也应纳入后续分析。