Global projections of lives saved from COVID-19 with universal mask use
Notice bibliographique
Résumé
ABSTRACT BACKGROUND Social distancing mandates (SDM) have reduced health impacts from COVID-19 but also resulted in economic downturns that have led many nations to relax SDM. Until deployment of an efficacious and equitable vaccine, intervention options to reduce COVID-19 mortality and minimize restrictive SDM are sought by society. METHODS A susceptible-exposed-infectious-recovered (SEIR) deterministic transmission model was parameterized with data on reported deaths, cases, and select covariates to predict infections and deaths from COVID-19 through March 01, 2021. We explore three scenarios: a “non-adaptive” scenario where neither mask use or SDM adapt to changing conditions, a “reference” where current national levels of mask use are maintained and SDM reintroduced when deaths rise, and an increase in mask use to 95% coverage levels (“universal mask”). We reviewed published studies to set priors on the magnitude of reduction in transmission through increasing mask use. RESULTS Mask use was estimated at 59.0% of people globally on October 19, 2020. Universal mask use could avert 733,310 deaths (95% UI 385,981 to 1,107,759) between October 27, 2020 and March 01, 2021, the difference between the predicted 2.95 million deaths (95% UI 2.70 to 3.35) in the reference scenario and 2.22 million deaths (95% UI 2.00 to 2.45) in the universal mask scenario over this time period. CONCLUSIONS The cumulative toll of the COVID-19 pandemic could be substantially reduced by the universal adoption of masks before the availability of a vaccine. This low-cost, low-barrier policy, whether customary or mandated, has enormous health benefits with presumed marginal economic costs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».