Modélisation mathématique de la transmission de la COVID-19 et stratégies d’atténuation des risques dans la population ontarienne au Canada
Notice bibliographique
Résumé
CONTEXTE: Au Canada, on utilise des interventions d’éloignement physique pour ralentir la propagation du SRAS-CoV-2 (coronavirus du syndrome respiratoire aigu sévère 2), mais on ignore au juste quelle en sera l’efficacité. Nous avons évalué comment différentes interventions non pharmacologiques pouvaient être utilisées pour maîtriser la pandémie de COVID-19 (maladie à coronavirus 2019) et alléger le fardeau qu’elle impose au système de santé. MÉTHODES: Nous avons utilisé un modèle à compartiments structuré selon l’âge pour faire une analyse de la transmission de la COVID-19 dans la population de l’Ontario, au Canada. Nous avons comparé un scénario de référence, soit dépistage limité, isolement et quarantaine, à des scénarios incluant dépistage accru, mesures strictes d’éloignement physique, ou combinaison de dépistage accru et d’éloignement physique moins strict. Les interventions étaient appliquées soit pendant des durées fixes, soit selon un cycle dynamique en fonction de l’occupation projetée des lits dans les unités de soins intensifs (USI). Nous présentons les médianes et les intervalles de crédibilité tirés de 100 expériences répliquées par scénario sur un horizon temporel de 2 ans. RÉSULTATS: Selon le scénario de référence, nous avons estimé que 56 % (intervalle de crédibilité de 95 %, 42 %–63 %) de la population ontarienne contractait l’infection pendant l’épidémie. Au moment du sommet épidémique, nous avons projeté 107 000 (intervalle de crédibilité de 95 %, 60 760–149 000) hospitalisations (soins standards) et 55 500 (intervalle de crédibilité de 95 %, 32 700–75 200) hospitalisations dans les USI. Pour les scénarios à durée fixe, selon les projections, toutes les interventions retardaient et réduisaient la hauteur du sommet épidémique par rapport au scénario de référence, et ce sont les mesures d’éloignement physique strict qui exerçaient le plus d’effet; de même, les interventions de durée plus longue étaient plus efficaces. Selon les projections, les interventions dynamiques réduisaient la proportion de la population atteinte à la fin de la période de 2 ans et pouvaient ramener le nombre médian de cas dans les USI en deçà des estimations actuelles de leur capacité en Ontario. INTERPRÉTATION: Sans éloignement physique substantiel ou une combinaison d’éloignement physique modéré et de dépistage accru, nous projetons que les ressources des USI pourraient être insuffisantes. L’éloignement physique dynamique maintiendrait la capacité du système de santé en plus de donner un répit psychologique et économique périodique aux populations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».