Challenges in control of COVID-19: short doubling time and long delay to effect of interventions
Notice bibliographique
Résumé
Abstract Early assessments of the growth rate of COVID-19 were subject to significant uncertainty, as expected with limited data and difficulties in case ascertainment, but as cases were recorded in multiple countries, more robust inferences could be made. Using multiple countries, data streams and methods, we estimated that, when unconstrained, European COVID-19 confirmed cases doubled on average every 3 days (range 2.2–4.3 days) and Italian hospital and intensive care unit admissions every 2–3 days; values that are significantly lower than the 5–7 days dominating the early published literature. Furthermore, we showed that the impact of physical distancing interventions was typically not seen until at least 9 days after implementation, during which time confirmed cases could grow eightfold. We argue that such temporal patterns are more critical than precise estimates of the time-insensitive basic reproduction number R0 for initiating interventions, and that the combination of fast growth and long detection delays explains the struggle in countries' outbreak response better than large values of R0 alone. One year on from first reporting these results, reproduction numbers continue to dominate the media and public discourse, but robust estimates of unconstrained growth remain essential for planning worst-case scenarios, and detection delays are still key in informing the relaxation and re-implementation of interventions. This article is part of the theme issue ‘Modelling that shaped the early COVID-19 pandemic response in the UK’.
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 | 0,021 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».