Estimation of the COVID-19 Average Incubation Time: Systematic Review, Meta-analysis and Sensitivity Analyses
Notice bibliographique
Résumé
Abstract Objectives We aim to provide sensible estimates of the average incubation time of COVID-19 by capitalizing available estimates reported in the literature and explore different ways to accommodate heterogeneity involved with the reported studies. Methods We search through online databases to collect the studies about estimates of the average incubation time and conduct meta-analyses to accommodate heterogeneity of the studies and the publication bias. Cochran’s heterogeneity statistic Q and Higgin’s & Thompson’s I 2 statistic are employed. Subgroup analyses are conducted using mixed effects models and publication bias is assessed using the funnel plot and Egger’s test. Results Using all those reported mean incubation estimates, the average incubation time is estimated to be 6.43 days with a 95% confidence interval (CI) (5.90, 6.96), and using all those reported mean incubation estimates together with those transformed median incubation estimates, the estimated average incubation time is 6.07 days with a 95% CI (5.70,6.45). Conclusions Providing sensible estimates of the average incubation time for COVID-19 is important yet complex, and the available results vary considerably due to many factors including heterogeneity and publication bias. We take different angles to estimate the mean incubation time, and our analyses provide estimates to range from 5.68 days to 8.30 days.
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 | 0,146 | 0,327 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,051 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».