Impact of university re-opening on total community COVID-19 burden
Notice bibliographique
Résumé
BACKGROUND: University students have higher average number of contacts than the general population. Students returning to university campuses may exacerbate COVID-19 dynamics in the surrounding community. METHODS: We developed a dynamic transmission model of COVID-19 in a mid-sized city currently experiencing a low infection rate. We evaluated the impact of 20,000 university students arriving on September 1 in terms of cumulative COVID-19 infections, time to peak infections, and the timing and peak level of critical care occupancy. We also considered how these impacts might be mitigated through screening interventions targeted to students. RESULTS: If arriving students reduce their contacts by 40% compared to pre-COVID levels, the total number of infections in the community increases by 115% (from 3,515 to 7,551), with 70% of the incremental infections occurring in the general population, and an incremental 19 COVID-19 deaths. Screening students every 5 days reduces the number of infections attributable to the student population by 42% and the total COVID-19 deaths by 8. One-time mass screening of students prevents fewer infections than 5-day screening, but is more efficient, requiring 196 tests needed to avert one infection instead of 237. INTERPRETATION: University students are highly inter-connected with the surrounding off-campus community. Screening targeted at this population provides significant public health benefits to the community through averted infections, critical care admissions, and COVID-19 deaths.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».