MétaCan
Menu
← Retour à la cohorte
Enregistrement W3043209837 · doi:10.1101/2020.07.13.20148668

Quantifying the impacts of human mobility restriction on the spread of COVID-19: an empirical analysis from 344 cities of China

2020· preprint· en· W3043209837 sur OpenAlexaff
Jing Tan, Yiquan Xiong, Shaoyang Zhao, Chunrong Liu, Shiyao Huang, Xin Lü, Lehana Thabane, Feng Xie, Xin Sun, Weimin Li

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensHamilton Health SciencesMcMaster UniversitySt. Joseph’s Healthcare HamiltonImpact
Organismes subventionnairesWest China Hospital, Sichuan UniversityNational Science and Technology Major ProjectSichuan UniversityNational Natural Science Foundation of China
Mots-clésPopulationCoronavirus disease 2019 (COVID-19)DemographyInterquartile rangeMedicineConfoundingOutbreakCumulative effectsGeographic mobilityInternal medicineDiseaseBiologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Objective Since the outbreak of novel coronavirus pneumonia (COVID-19), human mobility restriction measures have raised controversies, partly due to inconsistent findings. Empirical study is urgently needed to reliably assess the causal effects of mobility restriction. Methods Our study applied the difference-in-difference (DID) model to assess declines of population mobility at the city level, and used the log-log regression model to examine the effects of population mobility declines on the disease spread measured by cumulative or new cases of COVID-19 over time, after adjusting for confounders. Results The DID model showed that a continual expansion of the relative declines over time in 2020. After four weeks, population mobility declined by 54.81% (interquartile ranges, −65.50% to −43.56%). The accrued population mobility declines were associated with significant reduction of cumulative COVID-19 cases throughout six weeks (i.e., 1% decline of population mobility was associated with 0.72% (95%CI 0.50% to 0.93%) reduce of cumulative cases for one week, 1.42% two weeks, 1.69% three weeks, 1.72% four weeks,1.64% five weeks and 1.52% six weeks). The impact on weekly new cases seemed greater in the first four weeks, but faded thereafter. The effects on cumulative cases differed by cities of different population sizes, with greater effects seen in larger cities. Conclusion Persistent population mobility restrictions are well deserved. However, a change in the degree of mobility restriction may be warranted over time, particularly after several weeks of rigorous mobility restriction. Implementation of mobility restrictions in major cities with large population sizes may be even more important.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil0,367

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,474
Tête enseignante GPT0,494
Écart entre enseignants0,020 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→