MétaCan
Menu
Retour à la cohorte
Enregistrement W3138551466 · doi:10.1101/2021.03.21.21254064

In-person schooling and COVID-19 transmission in Canada’s three largest cities

2021· preprint· en· W3138551466 sur OpenAlexaffabout
Simona Bignami, Yacine Boujija, David N. Fisman, John Sandberg

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicTransmission (telecommunications)LimitingIncidence (geometry)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthEconomic growthDemographyPolitical scienceGeographyDemographic economicsMedicineDevelopment economicsSociologyEconomicsNursingDisease

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In North America and Europe, the Fall 2020 school term has coincided with the beginning of the second wave of the novel coronavirus (COVID-19) pandemic, sparking a heated debate about the role of in-person schooling for community transmission of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). This issue has immediate policy relevance for deciding how to operate schools safely as the pandemic unfolds, new variants of SARS-CoV-2 are circulating, and immunization coverage remains low. We contribute to this debate by presenting data on trends in COVID-19 weekly incidence among school-aged children 0-19 years old vis-à-vis other age groups during Fall 2020 in Canada’s three largest cities: Montréal, Toronto and Calgary. We interpret these trends in light of the different back-to-school policies and other public health measures implemented in the three cities over the observation period. KEY POINTS School closures are an effective measure to reduce the overall incidence of the novel coronavirus (COVID-19). Nonetheless, there is a general consensus that the decision to close schools to control the spread of COVID-19 should be used as last resort because of the negative impact on children’s development and mental health, and since they are less likely to have severe COVID-19 outcomes than adults. Existing evidence highlights the importance of adopting appropriate mitigation strategies for limiting COVID-19 community spread when returning to in-person schooling. To understand the association between in-person schooling and COVID-19 transmission given different mitigation strategies, especially universal masking and distance learning, we compare how the second wave of COVID-19 has affected school-aged children age 0-19 years old vis-à-vis other age groups in Montréal, Toronto and Calgary during Fall 2020. The case of Montréal attests to the negative consequences of not implementing recommended migration strategies when reopening schools, even when public health measures such as gatherings restrictions are in place to maintain low levels of community transmission. On the contrary, school measures adopted in Toronto (optional distance learning and masking mandates), have limited the role of COVID-19 transmission among school-aged children for overall community transmission. In Calgary, this effect has been smaller, likely because public health measures to limit COVID-19 community spread were not introduced until early December 2020. Our findings have immediate policy relevance for deciding how to operate schools safely as the pandemic unfolds, new variants of SARS-CoV-2 are circulating, and immunization coverage remains low.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,298

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,226
Tête enseignante GPT0,387
Écart entre enseignants0,161 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 epidemiological studiesTravaux en français237 207