School and community reopening during the COVID-19 pandemic: a mathematical modelling study
Notice bibliographique
Résumé
Operating schools safely during the COVID-19 pandemic requires a balance between health risks and the need for in-person learning. Using demographic and epidemiological data between 31 July and 23 November 2020 from Toronto, Canada, we developed a compartmental transmission model with age, household and setting structure to study the impact of schools reopening in September 2020. The model simulates transmission in the home, community and schools, accounting for differences in infectiousness between adults and children, and accounting for work-from-home and virtual learning. While we found a slight increase in infections among adults (2.2%) and children (4.5%) within the first eight weeks of school reopening, transmission in schools was not the key driver of the virus resurgence in autumn 2020. Rather, it was community spread that determined the outbreak trajectory, primarily due to increases in contact rates among adults in the community after school reopening. Analyses of cross-infection among households, communities and schools revealed that home transmission is crucial for epidemic progression and safely operating schools, while the degree of in-person attendance has a larger impact than other control measures in schools. This study suggests that safe school reopening requires the strict maintenance of public health measures in the community.
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 | 0,028 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,015 |
| 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 ».