Effective Contact Tracing for COVID-19: A Systematic Review
Notice bibliographique
Résumé
ABSTRACT Background Contact tracing is commonly recommended to control outbreaks of COVID-19, but its effectiveness is unclear. This systematic review aimed to examine contact tracing effectiveness in the context of COVID-19. Methods Following PRISMA guidelines, MEDLINE, Embase, Global Health, and All EBM Reviews were searched using a range of terms related to contact tracing for COVID-19. Articles were included if they reported on the ability of contact tracing to slow or stop the spread of COVID-19 or on characteristics of effective tracing efforts. Two investigators screened all studies. Results A total of 32 articles were found. All were observational or modelling studies, so the quality of the evidence was low. Observational studies (n=14) all reported that contact tracing (alone or in combination with other interventions) was associated with better control of COVID-19. Results of modelling studies (n=18) depended on their assumptions. Under assumptions of prompt and thorough tracing with no further transmission, they found that contact tracing could stop an outbreak (e.g. by reducing the reproduction number from 2.2 to 0.57) or that it could reduce infections (e.g. by 24%-71% with a mobile tracing app). Under assumptions of slower, less efficient tracing, modelling studies suggested that tracing could slow, but not stop COVID-19. Conclusions Observational and modelling studies suggest that contact tracing is associated with better control of COVID-19. Its effectiveness likely depends on a number of factors, including how many and how fast contacts are traced and quarantined, and how effective quarantines are at preventing further transmission. A cautious interpretation suggests that to stop the spread of COVID-19, public health practitioners have 2-3 days from the time a new case develops symptoms to isolate the case and quarantine at least 80% of its contacts, and that once isolated, cases and contacts should infect zero new cases. Less efficient tracing may slow, but not stop, the spread of COVID-19. Inefficient tracing (with delays of 4-5+ days or less than 60% of contacts quarantined with no further transmission) may not contribute meaningfully to control of COVID-19. Funding LP holds the Canada Research Chair in Community Approaches and Health Inequalities (CRC 950-232541). This funding source had no role in the design, conduct, or reporting of the study. Competing interests CEJ has contractual agreements with the Centre intégré universitaire de santé et de services sociaux du Centre-Sud-de-l’Île-de-Montréal and is founder of Dr. Muscle and the COVID-19 Science Updates ( https://covid1.substack.com/ ). Registration PROSPERO CRD42020198462
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 | 0,016 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».