Public health interventions in India slowed the spread of COVID-19 epidemic dynamics
Notice bibliographique
Résumé
Summary Background The government of India implemented social distancing interventions to contain the COVID-19 epidemic. However, effects on epidemic dynamics are yet to be understood. Methods Rates of laboratory-confirmed COVID-19 infections per day and effective reproduction number ( R t ) were estimated for 4 periods (Pre-lockdown and Lockdown Phases 1 to 3) according to nationally implemented phased interventions. Adoption of these interventions was estimated using Google mobility data. Estimates at the national level and for 12 Indian states most affected by COVID-19 are presented. Findings Daily case rates ranged from 0·03 to 30·05/10 million people across 4 discrete periods in India. From May 4-17, 2020, the National Capital Territory (NCT) of Delhi had the highest case rate (222/10 million people/day), whereas Kerala had the lowest (2·18/10 million/day). Average R t was 1·99 (95% CI 1·93-2·06) for India; it ranged from 1·38 to 2·78, decreasing over time. Median mobility in India decreased in all contact domains, with the lowest being 21% in retail/recreation (95% CI 13-46%), except home which increased to 129% (95% CI 117-132%) compared to the 100% baseline value. Interpretation The Indian government imposed strict contact mitigation, followed by a phased relaxation, which slowed the spread of COVID-19 epidemic progression in India. The identified daily COVID-19 case rates and R t will aid national and state governments in formulating ongoing COVID-19 containment plans. Furthermore, these findings may inform COVID-19 public health policy in developing countries with similar settings to India. Funding Non-funded.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».