Postcode based participatory disease surveillance systems : a comparison with traditional risk-based surveillance and its application in the COVID-19 pandemic (Preprint)
Notice bibliographique
Résumé
BACKGROUND: Background: The SARS-Cov-2 infection has rapidly saturated health systems and traditional surveillance networks are finding hard to keep pace with its spread. We designed a participatory disease surveillance (PDS) system, to capture symptoms of Influenza-like illness (ILI) to estimate SARS-CoV-2 infection in the community. While data generated by these platforms can help public health organisations find community hotspots and effectively direct control measures, it has never been compared to traditional systems. OBJECTIVE: Methods and Objectives: A completely anonymised web based PDS system, www.trackcovid-19.org was developed. We evaluated the symptomatic responses received form the PDS system to the traditional risk based surveillance carried out by the Bruhat Bengaluru Mahanagara Palike over a period of 45 days in the South Indian city of Bengaluru. METHODS: Methods and Objectives: A completely anonymised web based PDS system, www.trackcovid-19.org was developed. We evaluated the symptomatic responses received form the PDS system to the traditional risk based surveillance carried out by the Bruhat Bengaluru Mahanagara Palike over a period of 45 days in the South Indian city of Bengaluru. RESULTS: Results: The PDS system recorded 11062 entries from 106 Postal codes. A healthy response was obtained from 10863 users while 199 (1.8%) reported symptomatic. Subgroup analysis of a 14 day symptomatic window recorded 33 (0.29%) responses. Risk based surveillance was carried out covering a population of 605,284 with 209 (0.03%) individuals identified symptomatic. CONCLUSIONS: Conclusion: Web PDS platforms provide better visualisation of community infection when compared to traditional risk based surveillance systems. They are extremely useful by providing real time information in the extended battle against this pandemic. When integrated into national disease surveillance systems, they can provide long term community surveillance adding an important cost-effective layer to already available data sources.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».