COVID-19 international border surveillance at Toronto’s Pearson Airport: a cohort study
Notice bibliographique
Résumé
OBJECTIVES: The primary objective was to estimate the positivity rate of air travellers coming to Toronto, Canada in September and October 2020, on arrival and on day 7 and day 14. The secondary objectives were to estimate the degree of risk based on country of origin and to assess knowledge and attitudes towards COVID-19 control measures and subjective well-being during the quarantine period. DESIGN: Prospective cohort of arriving international travellers. SETTING: Toronto Pearson Airport Terminal 1, Toronto, Canada. PARTICIPANTS: Participants of this study were passengers arriving on international flights. Inclusion criteria were those aged 18 or older who had a final destination within 100 km of the airport, spoke English or French, and provided consent. Excluded were those taking a connecting flight, had no internet access, exhibited symptoms of COVID-19 on arrival or were exempted from quarantine. MAIN OUTCOME MEASURES: Positive for SARS-CoV-2 virus on reverse transcription PCR with self-administered oral-nasal swab and general well-being using the WHO-5 Well-being Index. RESULTS: Of 16 361 passengers enrolled, 248 (1.5%, 95% CI 1.3% to 1.7%) tested positive. Of these, 167 (67%) were identified on arrival, 67 (27%) on day 7, and 14 (6%) on day 14. The positivity rate increased from 1% in September to 2% in October. Average well-being score declined from 19.8 (out of a maximum of 25) to 15.5 between arrival and day 7 (p<0.001). CONCLUSIONS: A single arrival test will pick up two-thirds of individuals who will become positive by day 14, with most of the rest detected on the second test on day 7. These results support strategies identified through mathematical models that a reduced quarantine combined with testing can be as effective as a 14-day quarantine.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 tête enseignante, 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 ».