The Corona Immunitas Digital Follow-Up eCohort to Monitor Impacts of the SARS-CoV-2 Pandemic in Switzerland: Study Protocol and First Results
Notice bibliographique
Résumé
Objectives: To describe the rationale, organization, and procedures of the Corona Immunitas Digital Follow-Up (CI-DFU) eCohort and to characterize participants at baseline. Methods: Participants of Corona Immunitas, a population-based nationwide SARS-CoV-2 seroprevalence study in Switzerland, were invited to join the CI-DFU eCohort in 11 study centres. Weekly online questonnaires cover health status changes, prevention measures adherence, and social impacts. Monthly questionnaires cover additional prevention adherence, contact tracing apps use, vaccination and vaccine hesitancy, and socio-economic changes. Results: We report data from the 5 centres that enrolled in the CI-DFU between June and October 2020 (covering Basel City/Land, Fribourg, Neuchâtel, Ticino, Zurich). As of February 2021, 4636 participants were enrolled and 85,693 weekly and 27,817 monthly questionnaires were collected. Design-based oversampling led to overrepresentation of individuals aged 65+ years. People with higher education and income were more likely to enroll and be retained. Conclusion: Broad enrolment and robust retention of participants enables scientifically sound monitoring of pandemic impacts, prevention, and vaccination progress. The CI-DFU eCohort demonstrates proof-of-principle for large-scale, federated eCohort study designs based on jointly agreed principles and transparent governance.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».