MétaCan
Menu
Retour à la cohorte
Enregistrement W3103543186 · doi:10.1073/pnas.2019324117

Event-specific interventions to minimize COVID-19 transmission

2020· article· en· W3103543186 sur OpenAlexafffund
Paul Tupper, Himani Boury, Madi Yerlanov, Caroline Colijn

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesGenome British ColumbiaNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésCoronavirus disease 2019 (COVID-19)Transmission (telecommunications)OutbreakSocial distancePsychological interventionSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Event (particle physics)2019-20 coronavirus outbreakDuration (music)Computer scienceStatisticsEconometricsMedicineVirologyInfectious disease (medical specialty)MathematicsTelecommunicationsDiseasePhysics

Résumé

récupéré en direct d'OpenAlex

Significance We provide a simple model of COVID-19 transmission at workplaces, events, and other settings. We use data from reported single-event, short-duration outbreaks to estimate the transmission rate, number of contacts, and turnover at events. We use these to predict how many new infections are expected to occur at various events given the presence of a single infectious individual. We then determine which types of interventions will be the most effective in reducing the number of infections: reducing transmission rates (such as with masks), social distancing (reducing the number of people in contact), or bubbling (keeping contact groups small and consistent).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,488
Tête enseignante GPT0,486
Écart entre enseignants0,002 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetCOVID-19 epidemiological studiesTravaux en français237 207