Effects of temperature, humidity, air quality and anthropic activities on the transmission of SARS-CoV-2: a systematic review protocol
Notice bibliographique
Résumé
INTRODUCTION: The current global pandemic of the virus that emerged from Hubei province in China has caused coronavirus disease in 2019 (COVID-19), which has affected a total number of 900 036 people globally, involving 206 countries and resulted in a cumulative of 45 693 deaths worldwide as of 3 April 2020. The mode of transmission is identified through airdrops from patients' body fluids such as during sneezing, coughing and talking. However, the relative importance of environmental effects in the transmission of the virus has not been vastly studied. In addition, the role of temperature and humidity in air-borne transmission of infection is presently still unclear. This study aims to identify the effect of temperature, humidity and air quality in the transmission of SARS-CoV-2. METHODS AND ANALYSIS: We will systematically conduct a comprehensive literature search using various databases including PubMed, EMBASE, Scopus, CENTRAL and Google Scholar to identify potential studies. The search will be performed for any eligible articles from the earliest published articles up to latest available studies in 2020. We will include all the observational studies such as cohort case-control and cross-sectional studies that explains or measures the effects of temperature and/or humidity and/or air quality and/or anthropic activities that is associated with SARS-CoV-2. Study selection and reporting will follow the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines and Meta-Analysis of Observational Studies in Epidemiology guideline. All data will be extracted using a standardised data extraction form and quality of the studies will be assessed using the Newcastle-Ottawa Scale guideline. Descriptive and meta-analysis will be performed using a random effect model in Review Manager File. ETHICS AND DISSEMINATION: No primary data will be collected, and thus no formal ethical approval is required. The results will be disseminated through a peer-reviewed publication and conference presentation. PROSPERO REGISTRATION NUMBER: CRD42020176756.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 ».