Transmission of SARS-CoV-2 associated with cruise ship travel: protocol for a systematic review (Version 1)
Notice bibliographique
Résumé
Abstract Background Maritime and river travel, including cruise ships, have been implicated with spreading viruses through infected passengers and crew. Given the novelty of the SARS-CoV-2 infection, early cruise ship travel transmission models of spread are based on what is known of the dynamics of other respiratory viral infections. Our objective is to provide a rapid summary and evaluation of relevant data on SARS-CoV-2 transmission aboard cruise ships, report policy implications, and highlight research gaps requiring attention. Methods We will search LitCovid, medRxiv, Google Scholar, and the WHO Covid-19 database using COVID-19, SARS-CoV-2, transmission, and cruise ship appropriate synonyms. We will also search the reference lists of included studies for additional relevant studies. We will include studies reporting onboard SARS-CoV-2 transmission from passengers and/or crew to passengers and/or crew. We will consider any potential transmission mode. We will assess study quality based on five criteria and report important findings. The outcome will consist of the onboard cruise ships’ transmission of SARS-CoV-2. We will provide a narrative summary of the data and report the outcomes, including quantitative estimates where feasible and relevant. Where possible, compatible datasets may be pooled for meta-analysis. Expected results We will present the evidence in three distinct packages: study description, methodological quality assessment and data extracted. We will summarize the evidence and will draw conclusions as to the quality of the evidence.
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 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».