MétaCan
Menu
Retour à la cohorte
Enregistrement W3182902847 · doi:10.1371/journal.pcbi.1009120

COVID-19 in schools: Mitigating classroom clusters in the context of variable transmission

2021· article· en· W3182902847 sur OpenAlexafffund
Paul Tupper, Caroline Colijn

Notice bibliographique

RevuePLoS Computational Biology · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Excellence Research Chairs, Government of CanadaGenome British Columbia
Mots-clésTransmission (telecommunications)Context (archaeology)Cluster (spacecraft)PandemicOutbreakCoronavirus disease 2019 (COVID-19)Transmission rateDemographyGeographyMedicineComputer scienceVirologySociologyInfectious disease (medical specialty)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Widespread school closures occurred during the COVID-19 pandemic. Because closures are costly and damaging, many jurisdictions have since reopened schools with control measures in place. Early evidence indicated that schools were low risk and children were unlikely to be very infectious, but it is becoming clear that children and youth can acquire and transmit COVID-19 in school settings and that transmission clusters and outbreaks can be large. We describe the contrasting literature on school transmission, and argue that the apparent discrepancy can be reconciled by heterogeneity, or "overdispersion" in transmission, with many exposures yielding little to no risk of onward transmission, but some unfortunate exposures causing sizeable onward transmission. In addition, respiratory viral loads are as high in children and youth as in adults, pre- and asymptomatic transmission occur, and the possibility of aerosol transmission has been established. We use a stochastic individual-based model to find the implications of these combined observations for cluster sizes and control measures. We consider both individual and environment/activity contributions to the transmission rate, as both are known to contribute to variability in transmission. We find that even small heterogeneities in these contributions result in highly variable transmission cluster sizes in the classroom setting, with clusters ranging from 1 to 20 individuals in a class of 25. None of the mitigation protocols we modeled, initiated by a positive test in a symptomatic individual, are able to prevent large transmission clusters unless the transmission rate is low (in which case large clusters do not occur in any case). Among the measures we modeled, only rapid universal monitoring (for example by regular, onsite, pooled testing) accomplished this prevention. We suggest approaches and the rationale for mitigating these larger clusters, even if they are expected to be rare.

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)0,001
score de la tête « metaresearch » (Gemma)0,014
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: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,194
Tête enseignante GPT0,407
Écart entre enseignants0,213 · 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

Citations58
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetCOVID-19 epidemiological studiesTravaux en français237 207