Analysis of the age-structured epidemiological characteristics of SARS-COV-2 transmission in mainland China: An aggregated approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The novel coronavirus (SARS-Cov-2) has raged in mainland China for nearly three months resulting in a huge threat to people’s health and economic development. According to the cumulative numbers of confirmed cases and deathes of SARS-COV-2 infection announced by the National Health Commission of China, we divided the human population into four subgroups including the adolescents group (0–19 yr old), the youth group (20–49 yr old), the middle-aged group (50–74 yr old) and the elderly group (over 75 yr old), and proposed a discrete age-structured SEIHRQ SARS-COV-2 transmission model. We utilized contact matrixes to describe the contact heterogeneities and correlations among different age groups. Adopting the Markov chain Monte Carlo (MCMC) algorithm, we identified the parameters of the model and fitted the confirmed cases from January 24th to March 31st. Through a more in-depth study, we showed that before January 28th (95% CI [Feb. 25th, Feb. 31st]), the effective reproduction number was greater than 1 and after that day its value was less than 1. Moreover, we estimated that the peak values of infection were 66 (95% CI [65,67]) for the adolescents, 3996 (95% CI [3957,4036]) for the young group, 14714 (95% CI [14692,14735]) for middle-aged group and 297 (95% CI [295,300]) for elderly people, respectively; the proportions of the final sizes of SARS-COV-2 infection accounted for less than 90% for each group. We found that under the current restricted control strategies, the most severe and high-risk group was middle-aged people aged between 50–74 yr old; without any prevention, the most severe and high-risk group had become the young adults aged 20–49 yr old.
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle