MétaCan
Menu
← Retour à la cohorte
Enregistrement W3190946039 · doi:10.1101/2021.07.28.21261219

Effects of Various Policy Options on COVID-19 Cases in Nova Scotia including Vaccination Rollout Schedule: A Modelling Study

2021· preprint· en· W3190946039 sur OpenAlexafffundabout
Melissa Gillis, Ahmed Saif, Matthew Murphy, Noreen Kamal

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNova scotiaCoronavirus disease 2019 (COVID-19)PandemicDemographicsScheduleVaccinationPopulationPsychological interventionDemographyMedicineHerd immunityBusinessEnvironmental healthGeographyEconomicsDiseaseVirologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background The COVID-19 pandemic presents a significant challenge to minimize mortality and hospitalizations due to this disease. Vaccinations have begun to roll-out; however, restriction policies required during and after the rollout remain uncertain. A susceptible-exposed-infected-recovered (SEIR) model was developed for Nova Scotia, and it accounted for the province’s policy interventions, demographics, and vaccine rollout schedule. Methods A modified SEIR model was developed to simulate the spread and outcomes from COVID-19 in Nova Scotia under different policy options. The model incorporated the age distribution and co-morbidity of the province. A system dynamics model was developed in Vensim. Several scenarios were run to determine the effects of various policy options and loosening of restrictions during and after the vaccine roll-out period. Results When restrictions policy include moderate closure of businesses, restricting travel to Atlantic Canada, and the mandating of masks and physical distancing, the number of cumulative infections after 110 days was less than 120. However, if national travel was opened by July 5 2021 and there were no restrictions by September 2021, the number of active infections will peak at 6,114 by February 16 2022, and there will be a peak of 104 hospitalizations on February 16 2022. Immediate opening of travel and all restrictions on March 15, 2021 will result in 71,731 active infections by June 4 2021. Discussion Moderate restrictions will be required even after the population is fully vaccinated in order to avoid a large number of infections and hospitalizations because herd immunity is not reached due to children under 12 not being vaccinated, the efficacy of the vaccine, and the portion of the population that will choose not to be vaccinated.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,390
Score d'incertitude au seuil0,784

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,334
Tête enseignante GPT0,477
Écart entre enseignants0,143 · 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

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→