Assessing the Role of Daily Activities and Mobility in the Spread of COVID-19 in Montreal With an Agent-Based Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Daily activities and mobility dynamics play a central role in the spread of COVID-19. Close physical interactions involved by certain daily activities help transmit the virus. Travel required by the spatial distribution of activities contributes to the propagation of the virus. In order to control and limit this propagation, it is critical to understand the contribution of daily activities to the dynamics of COVID-19. This paper investigates the connection between daily activities, their distribution in space and time, the characteristics of the individuals performing them, and the transmission of the virus. A business-as-usual agent-based simulation scenario of Montreal, Canada is used. To address this research question, we use two agent-based models: MATSIM and EPISIM. MATSIM simulates daily activities and mobility dynamics of the population. EPISIM simulates the spread of the virus in the population using contact networks computed by MATSIM. A synthetic population of Montreal is defined to replicate the main observed sociodemographic characteristics of Montrealers as well as their activity and mobility patterns. The definition of the synthetic population relies on various data sources: household travel survey, census, real estate, car ownership, and housing data. In the business-as-usual scenario, findings underline the significant role of home, work, and school activities in community transmission of COVID-19. Secondary activities, including leisure and shopping, also help spread the virus, but to a lesser degree in comparison with primary activities. The risk of infection in the workplace depends on the economic sector. Healthcare workers are, by far, the most exposed workers to the virus. Workplace infections mirror the gender-biased job market of Montreal. Most infections in the healthcare and educational services are among women. Most infections in the manufacturing, construction, transportation, and warehousing industries are among men. In the business-as-usual scenario where community transmission is high, primary and secondary school-aged children are found to be a major transmission vector of the virus. Finally, simulation results suggest that the risk of infection in the public transportation system is low.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle