Face masks for the public during the covid-19 crisis
Notice bibliographique
Résumé
Trisha Greenhalgh and colleagues argue that it is time to apply the precautionary principle The precautionary principle is, according to Wikipedia, “a strategy for approaching issues of potential harm when extensive scientific knowledge on the matter is lacking.” The evidence base on the efficacy and acceptability of the different types of face mask in preventing respiratory infections during epidemics is sparse and contested.12 But covid-19 is a serious illness that currently has no known treatment or vaccine and is spreading in an immune naive population. Deaths are rising steeply, and health systems are under strain. This raises an ethical question: should policy makers apply the precautionary principle now and encourage people to wear face masks on the grounds that we have little to lose and potentially something to gain from this measure?3 We believe they should. Evidence based medicine tends to focus predominantly on internal validity—whether primary research studies were “done right”—using tools to assess risk of bias and adequacy of statistical analysis. External validity relates to a different question: whether findings of primary studies done in a different population with a different disease or risk state are relevant to the current policy question. We argue that there should be a greater focus on external validity in evaluation of masks. A rapid search of the literature on the wearing of masks by the general public during epidemics or pandemics by a team at the University of Galway (E Toomey, personal communication, 29 March 2020) found five peer reviewed systematic reviews:
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 | 0,018 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,015 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».