The Relationship Between the Global Burden of Influenza From 2017 to 2019 and COVID-19: Descriptive Epidemiological Assessment
Notice bibliographique
Résumé
BACKGROUND: SARS-CoV-2 and influenza are lipid-enveloped viruses with differential morbidity and mortality but shared modes of transmission. OBJECTIVE: With a descriptive epidemiological framing, we assessed whether recent historical patterns of regional influenza burden are reflected in the observed heterogeneity in COVID-19 cases across regions of the world. METHODS: Weekly surveillance data reported by the World Health Organization from January 2017 to December 2019 for influenza and from January 1, 2020 through October 31, 2020, for COVID-19 were used to assess seasonal and temporal trends for influenza and COVID-19 cases across the seven World Bank regions. RESULTS: In regions with more pronounced influenza seasonality, COVID-19 epidemics have largely followed trends similar to those seen for influenza from 2017 to 2019. COVID-19 epidemics in countries across Europe, Central Asia, and North America have been marked by a first peak during the spring, followed by significant reductions in COVID-19 cases in the summer months and a second wave in the fall. In Latin America and the Caribbean, COVID-19 epidemics in several countries peaked in the summer, corresponding to months with the highest influenza activity in the region. Countries from regions with less pronounced influenza activity, including South Asia and sub-Saharan Africa, showed more heterogeneity in COVID-19 epidemics seen to date. However, similarities in COVID-19 and influenza trends were evident within select countries irrespective of region. CONCLUSIONS: Ecological consistency in COVID-19 trends seen to date with influenza trends suggests the potential for shared individual, structural, and environmental determinants of transmission. Using a descriptive epidemiological framework to assess shared regional trends for rapidly emerging respiratory pathogens with better studied respiratory infections may provide further insights into the differential impacts of nonpharmacologic interventions and intersections with environmental conditions. Ultimately, forecasting trends and informing interventions for novel respiratory pathogens like COVID-19 should leverage epidemiologic patterns in the relative burden of past respiratory pathogens as prior information.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».