Relaxation of social distancing restrictions: Model estimated impact on COVID-19 epidemic in Manitoba, Canada
Notice bibliographique
Résumé
OBJECTIVES: The unprecedented worldwide social distancing response to COVID-19 resulted in a quick reversal of escalating case numbers. Recently, local governments globally have begun to relax social distancing regulations. Using the situation in Manitoba, Canada as an example, we estimated the impact that social distancing relaxation may have on the pandemic. METHODS: We fit a mathematical model to empirically estimated numbers of people infected, recovered, and died from COVID-19 in Manitoba. We then explored the impact of social distancing relaxation on: (a) time until near elimination of COVID-19 (< one case per million), (b) time until peak prevalence, (c) proportion of the population infected within one year, (d) peak prevalence, and (e) deaths within one year. RESULTS: Assuming a closed population, near elimination of COVID-19 in Manitoba could have been achieved in 4-6 months (by July or August) if there were no relaxation of social distancing. Relaxing to 15% of pre-COVID effective contacts may extend the local epidemic for more than two years (median 2.1). Relaxation to 50% of pre-COVID effective contacts may result in a peak prevalence of 31-38% of the population, within 3-4 months of initial relaxation. CONCLUSION: Slight relaxation of social distancing may immensely impact the pandemic duration and expected peak prevalence. Only holding the course with respect to social distancing may have resulted in near elimination before Fall of 2020; relaxing social distancing to 15% of pre-COVID-19 contacts will flatten the epidemic curve but greatly extend the duration of the pandemic.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».