Impact of international travel and border control measures on the global spread of the novel 2019 coronavirus outbreak
Notice bibliographique
Résumé
The novel coronavirus outbreak (COVID-19) in mainland China has rapidly spread across the globe. Within 2 mo since the outbreak was first reported on December 31, 2019, a total of 566 Severe Acute Respiratory Syndrome (SARS CoV-2) cases have been confirmed in 26 other countries. Travel restrictions and border control measures have been enforced in China and other countries to limit the spread of the outbreak. We estimate the impact of these control measures and investigate the role of the airport travel network on the global spread of the COVID-19 outbreak. Our results show that the daily risk of exporting at least a single SARS CoV-2 case from mainland China via international travel exceeded 95% on January 13, 2020. We found that 779 cases (95% CI: 632 to 967) would have been exported by February 15, 2020 without any border or travel restrictions and that the travel lockdowns enforced by the Chinese government averted 70.5% (95% CI: 68.8 to 72.0%) of these cases. In addition, during the first three and a half weeks of implementation, the travel restrictions decreased the daily rate of exportation by 81.3% (95% CI: 80.5 to 82.1%), on average. At this early stage of the epidemic, reduction in the rate of exportation could delay the importation of cases into cities unaffected by the COVID-19 outbreak, buying time to coordinate an appropriate public health response.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».