MétaCan
Menu
Retour à la cohorte
Enregistrement W3121319318 · doi:10.1101/2021.01.27.21250388

Passing the Test: A Model-based analysis of safe school-reopening strategies

2021· preprint· en· W3121319318 sur OpenAlexaboutno aff
Alyssa Bilinski, Joshua A. Salomon, John Giardina, Andrea Ciaranello, Meagan C. Fitzpatrick

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug AbuseNational Institute of Allergy and Infectious DiseasesCenters for Disease Control and PreventionCouncil of State and Territorial Epidemiologists
Mots-clésTransmission (telecommunications)Quarter (Canadian coin)Incidence (geometry)Contact tracingTest (biology)MedicineAsymptomaticPopulationVaccinationTracking (education)PandemicPsychologyDemographyPediatricsEnvironmental healthCoronavirus disease 2019 (COVID-19)GeographyPedagogyComputer scienceImmunologySociologyDiseaseSurgeryMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has induced historic educational disruptions. In December 2020, at least two-thirds of US public school students were not attending full-time in-person education. The Biden Administration has expressed that reopening schools is a priority. OBJECTIVE: To compare risks of SARS-COV-2 transmission in schools across different school-based prevention strategies and levels of community transmission. DESIGN: We developed an agent-based network model to simulate transmission in elementary and high school communities, including home, school, and inter-household interactions. SETTING: We parameterized school structure based on average US classrooms, with elementary schools of 638 students and high schools of 1,451 students. We varied daily community incidence from 1 to 100 cases per 100,000 population. Patients (or Participants). We simulated students, faculty/staff, and adult household members. INTERVENTIONS: We evaluated isolation of symptomatic individuals, quarantine of an infected individual's contacts, reduced class sizes, alternative schedules, staff vaccination, and weekly asymptomatic screening. MEASUREMENTS: We projected transmission among students, staff and families during one month following introduction of a single infection into a school. We also calculated the number of infections expected for a typical 8-week quarter, contingent on community incidence rate. RESULTS: School transmission risk varies according to student age and community incidence and is substantially reduced with effective, consistent mitigation measures. Nevertheless, when transmission occurs, it may be difficult to detect without regular, frequent testing due to the subclinical nature of most infections in children. Teacher vaccination can reduce transmission to staff, while asymptomatic screening both improves understanding of local circumstances and reduces transmission, facilitating five-day schedules at full classroom capacity. LIMITATIONS: There is uncertainty about susceptibility and infectiousness of children and low precision regarding the effectiveness of specific prevention measures, particularly with emergence of new variants. CONCLUSION: With controlled community transmission and moderate school-based prevention measures, elementary schools can open with few in-school transmissions, while high schools require more intensive mitigation. Asymptomatic screening can both reduce transmission and provide useful information for decision-makers.

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)0,003
score de la tête « metaresearch » (Gemma)0,030
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,262
Tête enseignante GPT0,432
Écart entre enseignants0,170 · 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'étudeSimulation ou modélisation
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 epidemiological studiesTravaux en français237 207