MétaCan
Menu
Retour à la cohorte
Enregistrement W4210415025 · doi:10.1038/s41598-022-05482-7

Did border closures slow SARS-CoV-2?

2022· review· en· W4210415025 sur OpenAlexafffund
Mary A. Shiraef, Paul Friesen, Lukas Feddern, Mark A. Weiss, Hawraa Al Janabi, Elizabeth Beling, Jonathan Falcone, Cora Hirst, Nora Murphy, Elizabeth Stifel, Erin Straight, Dongying Tao, Erin Tutaj

Notice bibliographique

RevueScientific Reports · 2022
Typereview
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesKellogg Institute for International Studies, University of Notre DameUniversity of WaterlooUniversity of Notre Dame
Mots-clésSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSars virusBetacoronavirusPandemicCoronavirus InfectionsVirologyComputer scienceMedicineOutbreakInfectious disease (medical specialty)Internal medicine

Résumé

récupéré en direct d'OpenAlex

Despite the economic, social, and humanitarian costs of border closures, more than 1000 new international border closures were introduced in response to the 2020-2021 pandemic by nearly every country in the world. The objective of this study was to examine whether these border closures reduced the spread of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Prior to 2020, the impacts of border closures on disease spread were largely unknown, and their use as a pandemic policy was advised against by international organizations. We tested whether they were helpful in reducing spread by using matching techniques on our hand-coded COVID Border Accountability Project (COBAP) Team database of international closures, converted to a time-series cross-sectional data format. We controlled for national-level internal movement restrictions (domestic lockdowns) using the Oxford COVID-19 Government Response Tracker (OxCGRT) time-series data. We found no evidence in favor of international border closures, whereas we found a strong association between national-level lockdowns and a reduced spread of SARS-CoV-2 cases. More research must be done to evaluate the byproduct effects of closures versus lockdowns as well as the efficacy of other preventative measures introduced at international borders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,341
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,408
Tête enseignante GPT0,505
Écart entre enseignants0,097 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetCOVID-19 epidemiological studiesTravaux en français237 207