MétaCan
Menu
Retour à la cohorte
Enregistrement W3046522141 · doi:10.2196/20828

Real-Time Digital Contact Tracing: Development of a System to Control COVID-19 Outbreaks in Nursing Homes and Long-Term Care Facilities

2020· article· en· W3046522141 sur OpenAlexvenueno aff
Gerald Wilmink, Ilyssa Summer, David Marsyla, Subhashree Sukhu, Jeffrey Grote, Gregory Zobel, Howard Fillit, Satish Movva

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContact tracingOutbreakTransmission (telecommunications)MedicineLong-term careTracingInfection controlAsymptomaticComputer scienceCoronavirus disease 2019 (COVID-19)SimulationVirologyIntensive care medicineInfectious disease (medical specialty)DiseaseNursingTelecommunicationsPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) can spread rapidly in nursing homes and long-term care (LTC) facilities. Symptoms-based screening and manual contact tracing have limitations that render them ineffective for containing the viral spread in LTC facilities. Symptoms-based screening alone cannot identify asymptomatic people who are infected, and the viral spread is too fast in confined living quarters to be contained by slow manual contact tracing processes. OBJECTIVE: We describe the development of a digital contact tracing system that LTC facilities can use to rapidly identify and contain asymptomatic and symptomatic SARS-CoV-2 infected contacts. A compartmental model was also developed to simulate disease transmission dynamics and to assess system performance versus conventional methods. METHODS: We developed a compartmental model parameterized specifically to assess the coronavirus disease (COVID-19) transmission in LTC facilities. The model was used to quantify the impact of asymptomatic transmission and to assess the performance of several intervention groups to control outbreaks: no intervention, symptom mapping, polymerase chain reaction testing, and manual and digital contact tracing. RESULTS: Our digital contact tracing system allows users to rapidly identify and then isolate close contacts, store and track infection data in a respiratory line listing tool, and identify contaminated rooms. Our simulation results indicate that the speed and efficiency of digital contact tracing contributed to superior control performance, yielding up to 52% fewer cases than conventional methods. CONCLUSIONS: Digital contact tracing systems show promise as an effective tool to control COVID-19 outbreaks in LTC facilities. As facilities prepare to relax restrictions and reopen to outside visitors, such tools will allow them to do so in a surgical, cost-effective manner that controls outbreaks while safely giving residents back the life they once had before this pandemic hit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,809

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,391
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetCOVID-19 epidemiological studiesTravaux en français237 207