Nationwide Results of COVID-19 Contact Tracing in South Korea: Individual Participant Data From an Epidemiological Survey
Notice bibliographique
Résumé
BACKGROUND: Evidence regarding the effectiveness of contact tracing of COVID-19 and the related social distancing is limited and inconclusive. OBJECTIVE: This study aims to investigate the epidemiological characteristics of SARS-CoV-2 transmission in South Korea and evaluate whether a social distancing campaign is effective in mitigating the spread of COVID-19. METHODS: We used contract tracing data to investigate the epidemic characteristics of SARS-CoV-2 transmission in South Korea and evaluate whether a social distancing campaign was effective in mitigating the spread of COVID-19. We calculated the mortality rate for COVID-19 by infection type (cluster vs noncluster) and tested whether new confirmed COVID-19 trends changed after a social distancing campaign. RESULTS: There were 2537 patients with confirmed COVID-19 who completed the epidemiologic survey: 1305 (51.4%) cluster cases and 1232 (48.6%) noncluster cases. The mortality rate was significantly higher in cluster cases linked to medical facilities (11/143, 7.70% vs 5/1232, 0.41%; adjusted percentage difference 7.99%; 95% CI 5.83 to 10.14) and long-term care facilities (19/221, 8.60% vs 5/1232, 0.41%; adjusted percentage difference 7.56%; 95% CI 5.66 to 9.47) than in noncluster cases. The change in trends of newly confirmed COVID-19 cases before and after the social distancing campaign was significantly negative in the entire cohort (adjusted trend difference -2.28; 95% CI -3.88 to -0.68) and the cluster infection group (adjusted trend difference -0.96; 95% CI -1.83 to -0.09). CONCLUSIONS: In a nationwide contact tracing study in South Korea, COVID-19 linked to medical and long-term care facilities significantly increased the risk of mortality compared to noncluster COVID-19. A social distancing campaign decreased the spread of COVID-19 in South Korea and differentially affected cluster infections 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».