MétaCan
Menu
Retour à la cohorte
Enregistrement W3199556550 · doi:10.1016/j.mayocp.2021.09.004

Decline of Influenza and Respiratory Viruses With COVID-19 Public Health Measures

2021· article· en· W3199556550 sur OpenAlexafffundabout
Alexander Doroshenko, Nelson Lee, Clayton MacDonald, Nathan Zelyas, Leyla Asadi, Jamil N. Kanji

Notice bibliographique

RevueMayo Clinic Proceedings · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensProvincial Laboratory of Public HealthAlberta Hospital EdmontonVancouver Coastal HealthUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of AlbertaPublic Health AgencyPublic Health Agency of Canada
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Virology2019-20 coronavirus outbreakPandemicSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthBetacoronavirusRespiratory systemInfluenza A virus subtype H5N1Influenza A virusEnvironmental healthIntensive care medicineVirusInternal medicinePathologyOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine the incidence of influenza and noninfluenza respiratory viruses (NIRVs) pre-/post-implementation of public health measures aimed to decrease coronavirus disease 2019 (COVID-19) transmission using population-based surveillance data. We hypothesized that such measures could reduce the burden of respiratory viruses (RVs) transmitting via the same routes. PATIENTS AND METHODS: An interrupted time-series analysis of RV surveillance data in Alberta, Canada, from May 2017 to July 2020 was conducted. The burden of influenza and NIRVs before and after intervention initiation at week 11 was compared. The analysis was adjusted for seasonality, overdispersion, and autocorrelation. RESULTS: During the study period, an average of 708 and 4056 weekly respiratory multiplex molecular panels were conducted pre-/post-intervention, respectively. We found significant reductions in test positivity rates in the postintervention period for influenza (-94.3%; 95% CI, -93.8 to 97.4%; P<.001) and all NIRVs (-76.5%; 95% CI, -77.3 to -75.8%; P<.001) in the crude model, and -86.2% (95% CI, -91.5 to -77.4%: P<.001) and -75% (95% CI, -79.7 to -69.3%; P<.001), respectively, in the adjusted models. Subanalyses for individual viruses showed significant decreases in respiratory syncytial virus, human metapneumovirus, enterovirus/rhinovirus, and parainfluenza. For non-severe acute respiratory coronavirus 2 human coronaviruses, the decline was not statistically significant after adjustment (-22.3%; 95% CI, -49.3 to +19%, P=.246). CONCLUSION: The implementation of COVID-19 public health measures likely resulted in reduced transmission of common RVs. Although drastic lockdowns are unlikely to be required given widespread COVID-19 vaccination, targeted implementation of such measures can lower RV disease burden. Studies to evaluate relative contributions of individual interventions are warranted.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,384
Tête enseignante GPT0,491
Écart entre enseignants0,107 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations36
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMayo Clinic ProceedingsMême sujetRespiratory viral infections researchTravaux en français237 207