The effect of early-stage public health policies in the transmission of COVID-19 for South American countries
Notice bibliographique
Résumé
<bold>Objectives.</bold> The analysis of transmission dynamics is crucial to determine whether mitigation or suppression measures reduce the spread of coronavirus disease 2019 (COVID-19). This study sought to estimate the basic (R <sub>0</sub> ) and time-varying (R <sub>t</sub> ) reproduction number of COVID-19 and contrast the public health measures for ten South American countries. <bold>Methods.</bold> Data was obtained from the European Centre for Disease Prevention and Control. Country-specific R <sub>0</sub> values during the first two weeks of the outbreak and R <sub>t</sub> values after 90 days were estimated. <bold>Results.</bold> Countries used a combination of isolation, physical distancing, quarantine, and community-wide containment measures to staunch the spread of COVID-19 at different points in time. R0 ranged from 1.52 (95% confidence interval: 1.13-1.99) in Venezuela to 3.83 (3.04-4.75) in Chile, whereas Rt after 90 days ranged from 0.71 (95% credible interval: 0.39-1.05) in Uruguay to 1.20 (1.19-1.20) in Brazil. Different R <sub>0</sub> and R <sub>t</sub> values may be related to the testing capacity of each country. <bold>Conclusion.</bold> R <sub>0</sub> in the early phase of the outbreak varied across the South American countries. The public health measures adopted in the initial period of the pandemic appear to have reduced R <sub>t</sub> over time in each country, albeit to different levels.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».