MétaCan
Menu
← Retour à la cohorte
Enregistrement W2622566653 · doi:10.1063/1.4981958

Border screening vs. community level disease control for infectious diseases: Timing and effectiveness

2017· article· en· W2622566653 sur OpenAlexaff
Sehjeong Kim, Dong Eui Chang

Notice bibliographique

RevueAIP conference proceedings · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPandemicDiseaseSimple (philosophy)Computer scienceControl (management)Basic reproduction numberDisease controlUpper and lower boundsInfectious disease (medical specialty)Coronavirus disease 2019 (COVID-19)MedicineEnvironmental healthMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

There have been many studies of the border screening using a simple math model or a statistical analysis to investigate the ineffectiveness of border screening during 2003 and 2009 pandemics. However, the use of border screening is still a controversial issue. It is due to focusing only on the functionality of border screening without considering the timing to use. In this paper, we attempt to qualitatively answer whether the use of border screening is a desirable action during a disease pandemic. Thus, a novel mathematical model with a transition probability of status change during flight and border screening is developed. A condition to check a timing of the border screening is established in terms of a lower bound of the basic reproduction number. If the lower bound is greater than one, which indicates a pandemic, then the border screening may not be effective and the disease persists. In this case, a community level control strategy should be conducted.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,269
Tête enseignante GPT0,434
Écart entre enseignants0,165 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedings→Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→