How effective was Newfoundland & Labrador’s travel ban to prevent the spread of COVID-19? An agent-based analysis
Notice bibliographique
Résumé
Abstract Background To prevent the spread of COVID-19 in Newfoundland & Labrador (NL), NL implemented a wide travel ban in May 2020. We estimate the effectiveness of this travel ban using a customized agent-based simulation (ABS). Methods We built an individual-level ABS to simulate the movements and behaviors of every member of the NL population, including arriving and departing travellers. The model considers individual properties (spatial location, age, comorbidities) and movements between environments, as well as age-based disease transmission with pre-symptomatic, symptomatic, and asymptomatic transmission rates. We examine low, medium, and high travel volume, traveller infection rates, and traveller quarantine compliance rates to determine the effect of travellers on COVID spread, and the ability of contact tracing to contain outbreaks. Results Infected travellers increased COVID cases by 2-52x (8-96x) times and peak hospitalizations by 2-49x (8-94x), with (without) contact tracing. Although contact tracing was highly effective at reducing spread, it was insufficient to stop outbreaks caused by travellers in even the best-case scenario, and the likelihood of exceeding contact tracing capacity was a concern in most scenarios. Quarantine compliance had only a small impact on COVID spread; travel volume and infection rate drove spread. Interpretation NL’s travel ban was likely a critically important intervention to prevent COVID spread. Even a small number of infected travellers can play a significant role in introducing new chains of transmission, resulting in exponential community spread and significant increases in hospitalizations, while outpacing contact tracing capabilities. With the presence of more transmissible variants, e.g., the UK variant, prevention of imported cases is even more critical.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».