Estimation of time-varying reproduction numbers of COVID-19 in American countries with regards to non-pharmacological interventions
Notice bibliographique
Résumé
<ns4:p>This study aimed to estimate the basic reproduction number and the time-varying estimate of effective reproductive number of COVID-19 in American countries as they implemented non-pharmacological strategies for the containment of the SARS-CoV-2 virus. Data sources included COVID-19 epidemic data from Johns Hopkins University’ data repository and official websites of countries with a relatively high incidence of COVID-19. The maximum likelihood method was used to estimate the and . The results showed that El Salvador, the Dominican Republic, Panama, and Peru have the lowest, while the USA and Canada have the highest. Other American countries have an around 1.4. Countries could be divided into three groups based on the varied behavior of over time. The first group (Mexico, USA, Colombia and Brazil) started with a high, which decreased post-intervention. In the second group, the intervention was performed at the moment when the, is high and it decreased slowly post-intervention (Canada, Argentina, Chile Peru, Panama and Dominican Republic). In the third group (Bolivia, Peru and Guatemala), the, was erratic and could not be attributable to the intervention.</ns4:p> <ns4:p>There is a close relationship between and non-pharmacological interventions decreed by governments of countries for the control of the COVID-19 pandemic. There are also immediate changes in the behavior of the indicator, and therefore the progression of the outbreak, when the interventions were implemented closer to the index case for each country.</ns4:p>
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 | 0,004 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».