Comparison of methods to Estimate Basic Reproduction Number (R 0) of influenza, Using Canada 2009 and 2017-18 A (H1N1) Data
Notice bibliographique
Résumé
Background: The basic reproduction number ( R 0 ) has a key role in epidemics and can be utilized for preventing epidemics. In this study, different methods are used for estimating R 0 's and their vaccination coverage to find the formula with the best performance. Materials and Methods: We estimated R 0 for cumulative cases count data from April 18 to July 6, 2009 and 35-2017 to 34-2018 weeks in Canada: maximum likelihood (ML), exponential growth rate (EG), time-dependent reproduction numbers (TD), attack rate (AR), gamma-distributed generation time (GT), and the final size of the epidemic. Gamma distribution with mean and standard deviation 3.6 ± 1.4 is used as GT. Results: The AR method obtained a R 0 ( 95% confidence interval [CI]) value of 1.116 (1.1163, 1.1165) and an EG (95%CI) value of 1.46 (1.41, 1.52). The R 0 (95%CI) estimate was 1.42 (1.27, 1.57) for the obtained ML, 1.71 (1.12, 2.03) for the obtained TD, 1.49 (1.0, 1.97) for the gamma-distributed GT, and 1.00 (0.91, 1.09) for the final size of the epidemic. The minimum and maximum vaccination coverage were related to AR and TD methods, respectively, where the TD method has minimum mean squared error (MSE). Finally, the R 0 (95%CI) for 2018 data was 1.52 (1.11, 1.94) by TD method, and vaccination coverage was estimated as 34.2%. Conclusion: For the purposes of our study, the estimation of TD was the most useful tool for computing the R 0 , because it has the minimum MSE. The estimation R 0 > 1 indicating that the epidemic has occurred. Thus, it is required to vaccinate at least 41.5% to prevent and control the next epidemic.
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 | 0,033 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».