Syndromic Surveillance for COVID-19 in Canada
Notice bibliographique
Résumé
ABSTRACT Background Syndromic surveillance through web or phone-based polling has been used to track the course of infectious diseases worldwide. Our study objective was to describe the characteristics, symptoms, and self-reported testing rates of respondents in three different COVID-19 symptom surveys in Canada. Methods Data sources consisted of two distinct Canada-wide web-based surveys, and phone polling in Ontario. All three sources contained self-reported information on COVID-19 symptoms and testing. In addition to describing respondent characteristics, we examined symptom frequency and the testing rate among the symptomatic, as well as rates of symptoms and testing across respondent groups. Results We found that 1.6% of respondents experienced a symptom on the day of their survey, 15% of Ontario households had a symptom in the previous week, and 44% of Canada-wide respondents had a symptom in the previous month over March-April 2020. Across the three surveys, SARS-CoV-2-testing was reported in 2-9% of symptomatic responses. Women, younger and middle-aged adults (versus older adults) and Indigenous/First nations/Inuit/Métis were more likely to report at least one symptom, and visible minorities were more likely to report the combination of fever with cough or shortness of breath. Interpretation The low rate of testing among those reporting symptoms suggests significant opportunity to expand testing among community-dwelling residents of Canada. Syndromic surveillance data can supplement public health reports and provide much-needed context to gauge the adequacy of current SARS-CoV-2 testing rates.
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 | 0,002 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».