How much leeway is there to relax COVID-19 control measures?
Notice bibliographique
Résumé
Following successful non-pharmaceutical interventions (NPI) aiming to control COVID-19, many jurisdictions reopened their economies and borders. As little immunity had developed in most populations, re-establishing higher contact carried substantial risks, and therefore many locations began to see resurgence in COVID-19 cases. We present a Bayesian method to estimate the leeway to reopen, or alternatively the strength of change required to re-establish COVID-19 control, in a range of jurisdictions experiencing different COVID-19 epidemics. We estimated the timing and strength of initial control measures such as widespread distancing and compared the leeway jurisdictions had to reopen immediately after NPI measures to later estimates of leeway. Finally, we quantified risks associated with reopening and the likely burden of new cases due to introductions from other jurisdictions. We found widely varying leeway to reopen. After initial NPI measures took effect, some jurisdictions had substantial leeway (e.g., Japan, New Zealand, Germany) with > 0.99 probability that contact rates were below 80% of the threshold for epidemic growth. Others had little leeway (e.g., the United Kingdom, Washington State) and some had none (e.g., Sweden, California). For most such regions, increases in contact rate of 1.5-2 fold would have had high (> 0.7) probability of exceeding past peak sizes. Most jurisdictions experienced June-August trajectories consistent with our projections of contact rate increases of 1-2-fold. Under such relaxation scenarios for some regions, we projected up to ∼100 additional cases if just one case were imported per week over six weeks, even between jurisdictions with comparable COVID-19 risk. We provide an R package covidseir to enable jurisdictions to estimate leeway and forecast cases under different future contact patterns. Estimates of leeway can establish a quantitative basis for decisions about reopening. We recommend a cautious approach to reopening economies and borders, coupled with strong monitoring for changes in transmission.
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 | 0,010 | 0,043 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».