Quantifying the role of social distancing, personal protection and case detection in mitigating COVID-19 outbreak in Ontario, Canada
Notice bibliographique
Résumé
Public health interventions have been implemented to mitigate the spread of coronavirus disease 2019 (COVID-19) in Ontario, Canada; however, the quantification of their effectiveness remains to be done and is important to determine if some of the social distancing measures can be relaxed without resulting in a second wave. We aim to equip local public health decision- and policy-makers with mathematical model-based quantification of implemented public health measures and estimation of the trend of COVID-19 in Ontario to inform future actions in terms of outbreak control and de-escalation of social distancing. Our estimates confirm that (1) social distancing measures have helped mitigate transmission by reducing daily infection contact rate, but the disease transmission probability per contact remains as high as 0.145 and case detection rate was so low that the effective reproduction number remained higher than the threshold for disease control until the closure of non-essential business in the Province; (2) improvement in case detection rate and closure of non-essential business had resulted in further reduction of the effective control number to under the threshold. We predict the number of confirmed cases according to different control efficacies including a combination of reducing further contact rates and transmission probability per contact. We show that improved case detection rate plays a decisive role to reduce the effective reproduction number, and there is still much room in terms of improving personal protection measures to compensate for the strict social distancing measures.
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 | 0,012 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».