Modelling strategies for controlling SARS outbreaks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Severe acute respiratory syndrome (SARS), a new, highly contagious, viral disease, emerged in China late in 2002 and quickly spread to 32 countries and regions causing in excess of 774 deaths and 8098 infections worldwide. In the absence of a rapid diagnostic test, therapy or vaccine, isolation of individuals diagnosed with SARS and quarantine of individuals feared exposed to SARS virus were used to control the spread of infection. We examine mathematically the impact of isolation and quarantine on the control of SARS during the outbreaks in Toronto, Hong Kong, Singapore and Beijing using a deterministic model that closely mimics the data for cumulative infected cases and SARS-related deaths in the first three regions but not in Beijing until mid-April, when China started to report data more accurately. The results reveal that achieving a reduction in the contact rate between susceptible and diseased individuals by isolating the latter is a critically important strategy that can control SARS outbreaks with or without quarantine. An optimal isolation programme entails timely implementation under stringent hygienic precautions defined by a critical threshold value. Values below this threshold lead to control, but those above are associated with the incidence of new community outbreaks or nosocomial infections, a known cause for the spread of SARS in each region. Allocation of resources to implement optimal isolation is more effective than to implement sub-optimal isolation and quarantine together. A community-wide eradication of SARS is feasible if optimal isolation is combined with a highly effective screening programme at the points of entry.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle