COVID-19 Is Not the Flu: Four Graphs From Four Countries
Notice bibliographique
Résumé
Background: COVID-19 has caused a global public health emergency. Government mitigation strategies included a series of behavior-based prevention policies that had a likely impact on the spread of other contagious respiratory illnesses, such as seasonal influenza. Our aim was to explore how 2019–2020 influenza tracked onto COVID-19 pandemic and its mitigation methods. Materials and Methods: We linked the WHO FluNet database and COVID-19 confirmed cases (Johns Hopkins University) for four countries across the northern (Canada, the United States) and southern hemispheres (Australia, Brazil) for the period 2016–2020. Graphical presentations of longitudinal data were provided. Results: There was a notable reduction in influenza cases for the 2019–2020 season. Northern hemisphere countries experienced a quicker ending to the 2019–2020 seasonal influenza cases (shortened by 4–7 weeks) and virtually no 2020 fall influenza season. Countries from the southern hemisphere experienced drastically low levels of seasonal influenza, with consistent trends that were approaching zero cases after the introduction of COVID-19 measures. Conclusions: It is likely that the COVID-19 mitigation measures played a notable role in the marked decrease in influenza, with little to no influenza activity in both the northern and southern hemispheres. In spite of this reduction in influenza cases, there was still community spread of COVID-19, highlighting the contagiousness of SARS-CoV-2 compared to influenza. These results, together with the higher mortality rate from SARS-CoV-2 compared to influenza, highlight that COVID-19 is a far greater health threat than influenza.
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 | 0,002 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».