Modelling the impact of age-stratified public health measures on SARS-CoV-2 transmission in Canada
Notice bibliographique
Résumé
Public health measures applied exclusively within vulnerable populations have been suggested as an alternative to community-wide interventions to mitigate SARS-CoV-2 transmission. With the population demography and healthcare capacity of Canada as an example, a stochastic age-stratified agent-based model was used to explore the progression of the COVID-19 epidemic under three intervention scenarios (infection-preventing vaccination, illness-preventing vaccination and shielding) in individuals above three age thresholds (greater than or equal to 45, 55 and 65 years) while lifting shutdowns and physical distancing in the community. Compared with a scenario with sustained community-wide measures, all age-stratified intervention scenarios resulted in a substantial epidemic resurgence, with hospital and ICU bed usage exceeding healthcare capacities even at the lowest age threshold. Individuals under the age threshold were severely impacted by the implementation of all age-stratified interventions, with large numbers of avoidable deaths. Among all explored scenarios, shielding older individuals led to the most detrimental outcomes (hospitalizations, ICU admissions and mortality) for all ages, including the targeted population. This study suggests that, in the absence of community-wide measures, implementing interventions exclusively within vulnerable age groups could result in unmanageable levels of infections, with serious outcomes within the population. Caution is therefore warranted regarding early relaxation of community-wide restrictions.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».