COVID-19 control in low-income settings and displaced populations: what can realistically be done?
Notice bibliographique
Résumé
COVID-19 prevention strategies in resource limited settings, modelled on the earlier response in high income countries, have thus far focused on draconian containment strategies, which impose movement restrictions on a wide scale. These restrictions are unlikely to prevent cases from surging well beyond existing hospitalisation capacity; not withstanding their likely severe social and economic costs in the long term. We suggest that in low-income countries, time limited movement restrictions should be considered primarily as an opportunity to develop sustainable and resource appropriate mitigation strategies. These mitigation strategies, if focused on reducing COVID-19 transmission through a triad of prevention activities, have the potential to mitigate bed demand and mortality by a considerable extent. This triade is based on a combination of high-uptake of community led shielding of high-risk individuals, self-isolation of mild to moderately symptomatic cases, and moderate physical distancing in the community. We outline a set of principles for communities to consider how to support the protection of the most vulnerable, by shielding them from infection within and outside their homes. We further suggest three potential shielding options, with their likely applicability to different settings, for communities to consider and that would enable them to provide access to transmission-shielded arrangements for the highest risk community members. Importantly, any shielding strategy would need to be predicated on sound, locally informed behavioural science and monitored for effectiveness and evaluating its potential under realistic modelling assumptions. Perhaps, most importantly, it is essential that these strategies not be perceived as oppressive measures and be community led in their design and implementation. This is in order that they can be sustained for an extended period of time, until COVID-19 can be controlled or vaccine and treatment options become available.
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 | 0,028 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,013 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».