Social Distancing Causally Impacts the Spread of SARS-CoV-2: A U.S. Nationwide Event Study
Notice bibliographique
Résumé
Abstract We assess the causal impact of a spontaneous relaxation of social distancing practices on the spread of SARS-CoV-2 in the U.S., while controlling for social mobility and state-imposed social distancing restrictions. Using the quasi-experimental setting created by the U.S. nationwide protests precipitated by George Floyd’s tragic death on May 25, 2020, we document a country-wide increase of over 3·06 cases per day, per 100,000 population, following the onset of the protests (95% CI:2·47–3·65), and a further in-crease of 1·73 cases per day, per 100,000 population, in the counties in which the protests took place (95% CI:0·59–2·87). Relative to the week preceding the onset of the protests, this represents a 61·2% country-wide increase in COVID-19 cases, and a further 34·6% increase in the protest counties. Hence, we conclude that social distancing practices causally impact the spread of SARS-CoV-2. The observed effect cannot be explained by changes in social distancing restrictions and social mobility, and our placebo tests rule out the possibility that this finding is attributable to chance. Our research informs policy makers and provides insights regarding the usefulness of social distancing as an intervention to minimize the spread of SARS-CoV-2.
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 | 0,012 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,005 |
| 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 ».