The role of case importation in explaining differences in early SARS-CoV-2 transmission dynamics in Canada—A mathematical modeling study of surveillance data
Notice bibliographique
Résumé
OBJECTIVE: The North American coronavirus disease-2019 (COVID-19) epidemic exhibited distinct early trajectories. In Canada, Quebec had the highest COVID-19 burden and its earlier March school break, taking place two weeks before those in other provinces, could have shaped early transmission dynamics. METHODS: We combined a semi-mechanistic model of SARS-CoV-2 transmission with detailed surveillance data from Quebec and Ontario (initially accounting for 85% of Canadian cases) to explore the impact of case importation and timing of control measures on cumulative hospitalizations. RESULTS: A total of 1544 and 1150 cases among returning travelers were laboratory-confirmed in Quebec and Ontario, respectively (symptoms onset ≤03-25-2020). Hospitalizations could have been reduced by 55% (95% CrI: 51%-59%) if no cases had been imported after Quebec's March break. However, if Quebec had experienced Ontario's number of introductions, hospitalizations would have only been reduced by 12% (95% CrI: 8%-16%). Early public health measures mitigated the epidemic spread as a one-week delay could have resulted in twice as many hospitalizations (95% CrI: 1.7-2.1). CONCLUSION: Beyond introductions, factors such as public health preparedness, responses and capacity could play a role in explaining interprovincial differences. In a context where regions are considering lifting travel restrictions, coordinated strategies and proactive measures are to be considered.
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 | 0,001 | 0,005 |
| 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 ».