MétaCan
Menu
Retour à la cohorte
Enregistrement W3090802930 · doi:10.1111/tbed.13868

Public health interventions slowed but did not halt the spread of COVID‐19 in India

2020· article· en· W3090802930 sur OpenAlexaff
Balbir Singh, Mark Lowerison, Ryan T. Lewinson, Isabelle A. Vallerand, Rob Deardon, Jatinder Paul Singh Gill, Baljit Singh, Herman W. Barkema

Notice bibliographique

RevueTransboundary and Emerging Diseases · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of SaskatchewanUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionCoronavirus disease 2019 (COVID-19)DemographyMedicinePublic healthPharmacySocial distanceGovernment (linguistics)Veterinary medicineSocioeconomicsGeographyFamily medicineInternal medicineInfectious disease (medical specialty)Sociology

Résumé

récupéré en direct d'OpenAlex

The government of India implemented social distancing interventions to contain the COVID-19 epidemic. However, effects of these interventions on epidemic dynamics are yet to be understood. Rates of laboratory-confirmed COVID-19 infections per day and effective reproduction number (Rt) were estimated for 7 periods (Pre-lockdown, Lockdown Phases 1 to 4 and Unlock 1–2) according to nationally implemented interventions with phased relaxation. Adoption of these interventions was estimated using Google mobility data. Estimates at the national level and for 12 Indian states most affected by COVID-19 are presented. Daily case rates ranged from 0.03 to 285.60/10 million people across 7 discrete periods in India. From 18 May to 31 July 2020, the NCT of Delhi had the highest case rate (999/10 million people/day), whereas Madhya Pradesh had the lowest (49/10 million/day). Average Rt was 1.99 (95% CI 1.93–2.06) and 1.39 (95% CI 1.38–1.40) for the entirety of India during the period from 22 March 2020 to 17 May 2020 and from 18 May 2020 to 31 July 2020, respectively. Median mobility in India decreased in all contact domains during the period from 22 March 2020 to 17 May 2020, with the lowest being 21% in retail/recreation, except home which increased to 129% compared to the 100% baseline value. Median mobility in the ‘Grocery and Pharmacy’ returned to levels observed before 22 March 2020 in Unlock 1 and 2, and the enhanced mobility in the Pharmacy sector needs to be investigated. The Indian government imposed strict contact mitigation, followed by a phased relaxation, which slowed the spread of COVID-19 epidemic progression in India. The identified daily COVID-19 case rates and Rt will aid national and state governments in formulating ongoing COVID-19 containment plans. Furthermore, these findings may inform COVID-19 public health policy in developing countries with similar settings to India.

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 enseignants0,263
Score d'incertitude au seuil0,479

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 Opus0,366
Tête enseignante GPT0,433
Écart entre enseignants0,068 · 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransboundary and Emerging DiseasesMême sujetCOVID-19 epidemiological studiesTravaux en français237 207