Social distancing, population density, and spread of COVID-19 in England: a longitudinal study
Notice bibliographique
Résumé
BACKGROUND: The UK government introduced social distancing measures between 16-22 March 2020, aiming to slow down transmission of COVID-19. AIM: To explore the spreading of COVID-19 in relation to population density after the introduction of social distancing measures. DESIGN & SETTING: Longitudinal design with 5-weekly COVID-19 incidence rates per 100 000 people for 149 English Upper Tier Local Authorities (UTLAs), between 16 March and 19 April 2020. METHOD: Multivariable multilevel model to analyse weekly incidence rates per 100 000 people; time was level-1 unit and UTLA level-2 unit. Population density was divided into quartiles. The model included an interaction between week and population density. Potential confounders were percentage aged ≥65, percentage non-white British, and percentage in two highest classes of the National Statistics Socioeconomic Classification. Co-variates were male life expectancy at birth, and COVID-19 prevalence rate per 100 000 people on March 15. Confounders and co-variates were standardised around the mean. RESULTS: Incidence rates per 100 000 people peaked in the week of March 30-April 5, showing higher adjusted incidence rate per 100 000 people (46.2; 95% confidence interval [CI] = 40.6 to 51.8) in most densely populated ULTAs (quartile 4) than in less densely populated ULTAs (quartile 1: 33.3, 95% CI = 27.4 to 37.2; quartile 2: 35.9, 95% CI = 31.6 to 40.1). Thereafter, incidence rate dropped in the most densely populated ULTAs resulting in rate of 22.4 (95% CI = 16.9 to 28.0) in the week of April 13-19; this was lower than in quartiles 1, 2, and 3, respectively 31.4 (95% CI = 26.5 to 36.3), 34.2 (95% CI = 29.9 to 38.5), and 43.2 (95% CI = 39.0 to 47.4). CONCLUSION: After the introduction of social distancing measures, the incidence rates per 100 000 people dropped stronger in most densely populated ULTAs.
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 | 0,001 | 0,007 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».