MétaCan
Menu
Retour à la cohorte
Enregistrement W3184701950 · doi:10.1016/j.idm.2021.06.008

Large-scale frequent testing and tracing to supplement control of Covid-19 and vaccination rollout constrained by supply

2021· article· en· W3184701950 sur OpenAlexafffundabout
Lia Humphrey, Edward W. Thommes, Roie Fields, Laurent Coudeville, Naseem Hakim, Ayman Chit, M Cojocaru

Notice bibliographique

RevueInfectious Disease Modelling · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensYork UniversityUniversity of TorontoSanofi (Canada)University of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésContact tracingSocial distancePandemicCoronavirus disease 2019 (COVID-19)Isolation (microbiology)TracingScale (ratio)Psychological interventionTransmission (telecommunications)DistancingSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)GeographyDevelopment economicsMedicineComputer scienceInfectious disease (medical specialty)EconomicsCartographyDiseaseTelecommunications

Résumé

récupéré en direct d'OpenAlex

Non-pharmaceutical interventions (NPI) were implemented all around the world in the fight against COVID-19: Social distancing, shelter-in-place, mask wearing, etc. to mitigate transmission, together with testing and contact-tracing to identify, isolate and treat the infected. The majority of countries have relied on the former measures, followed by a ramping up of their testing and tracing capabilities. We present here the cases of South Korea, Italy, Canada and the United States, as a look back to lessons that can be drawn for controlling the pandemic, specifically through the means of testing and tracing. By fitting a disease transmission model to daily case report data in each of the four countries, we first show that their combination of social-distancing and testing/tracing have had a significant impact on the evolution of their first wave of pandemic curves. We then consider the hypothetical scenario where the only NPI measures implemented past the first pandemic wave consisted of isolating individuals due to repeated, country-scale testing and contact tracing, as a mean of lifting social distancing measures without a resurgence of COVID-19. We give estimates on the average isolation rates needed to occur in each country. We find that testing and tracing each individual of a country, on average, every 4.5 days (South Korea), 5.7 days (Canada), 6 days (Italy) and 3.5 days (US), would have been sufficient to mitigate their second pandemic waves. We also considered the situation in Canada to see how a frequent large-scale asymptomatic testing and contact tracing could have been used in combination with vaccination rollout to reduce the infection in the population. This could offer an alternative approach towards preventing and controlling an outbreak when vaccine supply is limited, while testing capacity has been increasingly enhanced.

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)0,003
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 enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,091
Tête enseignante GPT0,359
Écart entre enseignants0,268 · 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

Citations10
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInfectious Disease ModellingMême sujetCOVID-19 epidemiological studiesTravaux en français237 207