The main strategies adopted by the Toronto government in the COVID-19 pandemic: epidemiology study
Notice bibliographique
Résumé
Objetive To analyze the epidemiological data and the main government measures adopted against the COVID-19 pandemic. Methods Epidemiologic study built with data from the integrated Public Health Information System (iPHIS) and the official Government of Canada website in a time frame from January to July 2020. Results Toronto presents the first case of COVID 19 on January 23rd and until July 1st, 2020, it records a number of 14 468 cases, 12.574 recovered cases, 1.100 deaths and 171 institutional outbreaks. About 53,04% of the cases were female, aged 40-59 years (29,81%), followed by 20-39 years (28,37%). Contagion forms were analyzed: 56,40% had close contact with a case, 24,23% in the community, 10,30% in health services, 5,58% while traveling and 3,49% in institutions. Economic and financial actions, travel measures, support for Canadians abroad, public education, research and technology were developed. Conclusion The COVID-19 is a serious threat to public health around the world. Canada has a strong history of pandemic planning and has worked together with public health for its developed actions to become adaptable based on evolution, outbreak containment and prevention of further spread.
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 | 0,019 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».