COVID-19 test positivity rate dynamics in West Sumatra, Indonesia: a retrospective study
Notice bibliographique
Résumé
Abstract Background: COVID-19 test positivity rate (TPR) is essential to estimate and control SARS-CoV-2 transmission in a population at a specific time, yet the TPR trends at a provincial level in Indonesia are unclear. This study aimed to determine the COVID-19 TPR dynamics of the Indonesian West Sumatra province in the first year of documented cases.Methods: We conducted a retrospective study using secondary data of the COVID-19 quantitative reverse transcription-polymerase chain reaction (q-RT-PCR) test in West Sumatra Province from April 2020 to March 2021. To examine trends, we estimated TPR(s) on an annual, quarterly, and monthly basis in the province, its regions (cities/ regencies), and districts.Results: From a total of 410,424 individuals taking the COVID-19 q-RT-PCR examination during one year, the provincial TPR was 8.11%. The third quarter (October 2020 – December 2020, 12.18%) and October 2020 (15.62%) had the highest TPR quarterly and monthly, respectively. The TPR of cities was almost certainly twice that of regencies. Annual TPR varied significantly (p<0.001) across regions, districts, and periods.Conclusion: The COVID-19 TPR trends in West Sumatra at the first year of the pandemic were generally higher than the global recommendation. Further study on population density, public mobility, and implementation of health protocol in the province should be valuable to understand TPR dynamics.
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 | 0,000 | 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 | 0,001 | 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 ».