A simple approximate mathematical model to predict the number of severe acute respiratory syndrome cases and deaths
Notice bibliographique
Résumé
BACKGROUND: Severe acute respiratory syndrome (SARS) is currently spreading in many countries. This paper proposes a simple approximate mathematical model for public health practitioners to predict the number of SARS cases and deaths. METHODS: The model is based on four parameters: R(o) (basic reproductive number), F (case-fatality rate), i (incubation period), and d (duration of disease). The calculations can be done by hand or by using a computer spreadsheet. RESULTS: The best parameters to fit Canadian data as of 6 April 2003 (before infection controls took effect) are R(o) = 1.5, F = 30%, i = 5 days, d = 14 days. On 6 April (day 40) there were 74 cases and 7 deaths. If this trend continues, SARS numbers in Canada are predicted to be as follows: 387 cases and 34 deaths by 26 April (day 60), 4432 cases and 394 deaths by 26 May (day 90), and 50 500 cases and 4489 deaths by 25 June (day 120). By comparison, the best parameters to fit Hong Kong data as of 10 April 2003 are R(o) = 2.0, F = 20%, i = 5 days, d = 14 days. CONCLUSIONS: Using the proposed mathematical model, it was estimated that about 1.5 to 2 new infectious cases were produced per infectious case every five days. Also, about 20% to 30% of the cases die within 14 days. The case-fatality may therefore be considerably higher than initially thought. The model indicates that SARS can spread very fast when there are no interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».