Modelling the health and economic impacts of different testing and tracing strategies for COVID-19 in the UK
Notice bibliographique
Résumé
Background: Coronavirus disease 2019 (COVID-19) is resurgent in the UK and health and economic costs of the epidemic continue to rise. There is a need to understand the health and economic costs of different courses of action. Methods: We combine modelling, economic analysis and a user-friendly interface to contrast the impact and costs of different testing strategies: two levels of testing within the current test-trace-isolate (TTI) strategy (testing symptomatic people, tracing and isolating everyone) and a strategy where TTI is combined with universal testing (UT; i.e. additional population testing to identify asymptomatic cases). We also model effective coverage of face masks. Results: Increased testing is necessary to suppress the virus after lockdown. Partial reopening accompanied by scaled-up TTI (at 50% test and trace levels), full isolation and moderately effective coverage of masks (30% reduction in overall transmission) can reduce the current resurgence of the virus and protect the economy in the UK. Additional UT from December 2020 reduces the epidemic dramatically by Jan 2021 when combined with enhanced TTI (70% test-trace levels) and full isolation. UT could then be stopped; continued TTI would prevent rapid recurrence. This TTI+UT combination can suppress the virus further to save ~20,000 more lives and avoid ~£90bn economic losses, though costs ~£8bn more to deliver. We assume that all traced and lab-confirmed cases are isolated. The flexible interface we have developed allows exploration of additional scenarios, including different levels of reopening of society after the second lockdown in England as well as different levels of effective mask coverage. Conclusions: Our findings suggest that increased TTI is necessary to suppress the virus and protect the economy after the second lockdown in England. Additional UT from December 2020 reduces the epidemic dramatically by Jan 2021 and could then be stopped, as continued TTI would prevent rapid recurrence.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,001 |
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 ».