MétaCan
Menu
Retour à la cohorte
Enregistrement W3139547224 · doi:10.1503/cmaj.210132

The mobility gap: estimating mobility thresholds required to control SARS-CoV-2 in Canada

2021· article· en· W3139547224 sur OpenAlexaffvenueabout
Kevin A. Brown, Jean‐Paul Soucy, Sarah A. Buchan, Shelby L. Sturrock, Isha Berry, Nathan M. Stall, Peter Jüni, Amir Ghasemi, Nicholas Gibb, Derek R. MacFadden, Nick Daneman

Notice bibliographique

RevueCanadian Medical Association Journal · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensSunnybrook HospitalCommunications Research Centre CanadaPublic Health OntarioWomen's College HospitalOttawa HospitalUniversity of TorontoUniversity Health NetworkPublic Health Agency of CanadaSunnybrook Health Science CentreSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Computer science2019-20 coronavirus outbreakControl (management)MedicineVirologyArtificial intelligenceInternal medicineOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nonpharmaceutical interventions remain the primary means of controlling severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) until vaccination coverage is sufficient to achieve herd immunity. We used anonymized smartphone mobility measures to quantify the mobility level needed to control SARS-CoV-2 (i.e., mobility threshold), and the difference relative to the observed mobility level (i.e., mobility gap). METHODS: We conducted a time-series study of the weekly incidence of SARS-CoV-2 in Canada from Mar. 15, 2020, to Mar. 6, 2021. The outcome was weekly growth rate, defined as the ratio of cases in a given week versus the previous week. We evaluated the effects of average time spent outside the home in the previous 3 weeks using a log-normal regression model, accounting for province, week and mean temperature. We calculated the SARS-CoV-2 mobility threshold and gap. RESULTS: Across the 51-week study period, a total of 888 751 people were infected with SARS-CoV-2. Each 10% increase in the mobility gap was associated with a 25% increase in the SARS-CoV-2 weekly case growth rate (ratio 1.25, 95% confidence interval 1.20-1.29). Compared to the prepandemic baseline mobility of 100%, the mobility threshold was highest in the summer (69%; interquartile range [IQR] 67%-70%), and dropped to 54% in winter 2021 (IQR 52%-55%); a mobility gap was present in Canada from July 2020 until the last week of December 2020. INTERPRETATION: Mobility strongly and consistently predicts weekly case growth, and low levels of mobility are needed to control SARS-CoV-2 through spring 2021. Mobility measures from anonymized smartphone data can be used to guide provincial and regional loosening and tightening of physical distancing measures.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,107
Tête enseignante GPT0,375
Écart entre enseignants0,267 · 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'étudeSimulation ou modélisation
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

Citations21
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Association JournalMême sujetCOVID-19 epidemiological studiesTravaux en français237 207