Transmission of SARS-CoV-2 by Children
Notice bibliographique
Résumé
BACKGROUND: Six months into the COVID-19 pandemic, children appear largely spared from the direct effects of disease, suggesting age as an important predictor of infection and severity. They remain, however, impacted by far-reaching public health interventions. One crucial question often posed is whether children generally transmit SARS-CoV-2 effectively. METHODS: We assessed the components of transmission and the different study designs and considerations necessary for valid assessment of transmission dynamics. We searched for published evidence about transmission of SARS-CoV-2 by children employing a narrative review methodology through 25 June, 2020. RESULTS: Transmission dynamics must be studied in repre - sentative pediatric populations with a combination of study designs including rigorous epidemiological studies (e.g. in households, schools, daycares, clinical settings) and laboratory studies while taking into account the social and socio-economic contexts. Viral load (VL) estimates from representative pediatric samples of infected children are missing so far. Currently available evidence suggests that the secondary attack rate stratified by age of the infector is lower for children, however this age pattern needs to be better quantified and understood. CONCLUSION: A generalizable pediatric evidence base is urgently needed to inform policy making now, later when facing potential subsequent waves, and extending through a future in which endemicity alongside vaccination may become the enduring reality.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».