MétaCan
Menu
Retour à la cohorte
Enregistrement W3142784336 · doi:10.3386/w27891

Face Masks, Public Policies and Slowing the Spread of COVID-19: Evidence from Canada

2020· preprint· en· W3142784336 sur OpenAlexaffabout
Alexander Karaivanov, Shih En Lu, Hitoshi Shigeoka, Cong Chen, Stephanie Pamplona

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Counterfactual thinkingMandateFace masks2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthDemographic economicsDemographyEnvironmental healthGeographyMedicineEconomicsPolitical sciencePsychologySociologyVirology

Résumé

récupéré en direct d'OpenAlex

We estimate the impact of mask mandates and other non-pharmaceutical interventions (NPI) on COVID-19 case growth in Canada, including regulations on businesses and gatherings, school closures, travel and self-isolation, and long-term care homes. We partially account for behavioral responses using Google mobility data. Our identification approach exploits variation in the timing of indoor face mask mandates staggered over two months in the 34 public health regions in Ontario, Canada's most populous province. We find that, in the first few weeks after implementation, mask mandates are associated with a reduction of 25 percent in the weekly number of new COVID-19 cases. Additional analysis with province-level data provides corroborating evidence. Counterfactual policy simulations suggest that mandating indoor masks nationwide in early July could have reduced the weekly number of new cases in Canada by 25 to 40 percent in mid-August, which translates into 700 to 1,100 fewer cases per week.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,105
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,629
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,105
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,797
Tête enseignante GPT0,594
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations23
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetCOVID-19 epidemiological studiesTravaux en français237 207