Analysis of COVID-19 Test Positivity Rate in West Sumatra, Indonesia: A Cross-sectional Study of One-year Observation
Notice bibliographique
Résumé
Abstract Background: The test positivity rate (TPR) of COVID-19 is an epidemiological indicator used to estimate SARS-CoV-2 transmission in a population at a certain time. However, large data analysis on the TPR in Indonesia is still limited. In this study, we determined COVID-19 TPR dynamics of Indonesian West Sumatra Province in the first year of cases were recorded.Method: We conducted an observational study with a cross-sectional approach from one-year secondary data of COVID-19 test using qualitative reverse transcription polymerase chain reaction (q-RT-PCR) in West Sumatra collected from April 2020 until March 2021. The TPR(s) in the province, its regions (cities/ regencies), and districts were determined annually, quarterly, and monthly to analyze their trends.Results: From a total of 410,424 individuals taking COVID-19 q-RT-PCR examination during one-year observation, the provincial TPR was 8.11%. The highest TPR quarterly and monthly was detected in the third quarter (October 2020 – December 2020, 12.18%) and October 2020 (15.62%) respectively. The TPR of cities was likely two times higher than regencies. There were significant differences in annual TPR between regions, districts, and any period of times detected in this study.Conclusion: We have shown the COVID-19 q-RT-PCR TPR dynamics to describe SARS-CoV-2 transmission control among different areas in West Sumatra. This study should be beneficial to ensure an effective COVID-19 preventive strategy in the future.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».