Fighting a fire versus waiting for a wave: Useful and not-so-useful analogies in times of SARS-CoV-2
Notice bibliographique
Résumé
As SARS-CoV-2 has swept the planet, intermittent “lockdowns” have become a regular feature to control transmission. References to so-called recurring “waves” of infections remain pervasive among news headlines, political messaging, and public health sources. Here, we consider the power of analogies as a tool for facilitating effective understanding of biological processes by reviewing the successes and limitations of various analogies in the context of the COVID-19 pandemic. We also consider how, when analogies fall short, their ability to persuade can mislead public opinion and behaviour, even if unintentionally. While waves can be effective in conveying patterns of disease outbreak retrospectively, we suggest that process-based analogies might be more effective communication tools, given that they are easily mapped to underlying epidemiological concepts and can be extended to include more complex (e.g., spatial) dynamics. Though no single analogy perfectly captures disease dynamics, fire is particularly suitable for visualizing the epidemiological models that are used to understand disease trajectories, underscoring the importance of and reasoning behind control strategies, and, above all, conveying a sense of urgency to galvanise collective action. Note: This is the submitted version (prior to peer review) of an article that has now been published in BioScience following peer review. The version of record Archer et al (2022) is available online at: 10.1093/biosci/biac017
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 | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».