The effect of early-stage public health policies in the transmission of COVID-19 for South American countries
Notice bibliographique
Résumé
Objectives. 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 0 ) and time-varying (R t ) reproduction number of COVID-19 and contrast the public health measures for ten South American countries. Methods. Data was obtained from the European Centre for Disease Prevention and Control. Country-specific R 0 values during the first two weeks of the outbreak and R t values after 90 days were estimated. Results. 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 0 and R t values may be related to the testing capacity of each country. Conclusion. R 0 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 t 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 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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».