Impact of climate and public health interventions on the COVID-19 pandemic: a prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: It is unclear whether seasonal changes, school closures or other public health interventions will result in a slowdown of the current coronavirus disease 2019 (COVID-19) pandemic. We aimed to determine whether epidemic growth is globally associated with climate or public health interventions intended to reduce transmission of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). METHODS: We performed a prospective cohort study of all 144 geopolitical areas worldwide (375 609 cases) with at least 10 COVID-19 cases and local transmission by Mar. 20, 2020, excluding China, South Korea, Iran and Italy. Using weighted random-effects regression, we determined the association between epidemic growth (expressed as ratios of rate ratios [RRR] comparing cumulative counts of COVID-19 cases on Mar. 27, 2020, with cumulative counts on Mar. 20, 2020) and latitude, temperature, humidity, school closures, restrictions of mass gatherings, and measures of social distancing during an exposure period 14 days previously (Mar. 7 to 13, 2020). RESULTS: In univariate analyses, there were no associations of epidemic growth with latitude and temperature, but weak negative associations with relative humidity (RRR per 10% 0.91, 95% confidence interval [CI] 0.85–0.96) and absolute humidity (RRR per 5 g/m3 0.92, 95% CI 0.85–0.99). Strong associations were found for restrictions of mass gatherings (RRR 0.65, 95% CI 0.53–0.79), school closures (RRR 0.63, 95% CI 0.52–0.78) and measures of social distancing (RRR 0.62, 95% CI 0.45–0.85). In a multivariable model, there was a strong association with the number of implemented public health interventions (p for trend = 0.001), whereas the association with absolute humidity was no longer significant. INTERPRETATION: Epidemic growth of COVID-19 was not associated with latitude and temperature, but may be associated weakly with relative or absolute humidity. Conversely, public health interventions were strongly associated with reduced epidemic growth.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».