MétaCan
Menu
Retour à la cohorte
Enregistrement W4220734742 · doi:10.1016/j.idm.2022.03.004

Projections of the transmission of the Omicron variant for Toronto, Ontario, and Canada using surveillance data following recent changes in testing policies

2022· article· en· W4220734742 sur OpenAlexafffundabout
Pei Yuan, Elena Aruffo, Yi Tan, Liu Yang, Nicholas H. Ogden, Aamir Fazil, Huaiping Zhu

Notice bibliographique

RevueInfectious Disease Modelling · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensPublic Health Agency of CanadaYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchPublic Health AgencyPublic Health Agency of Canada
Mots-clésMedicinePandemicSocial distanceCoronavirus disease 2019 (COVID-19)PopulationTest (biology)Environmental healthSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Booster (rocketry)DemographyGeographyEngineeringBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

At the end of 2021, with the rapid escalation of COVID19 cases due to the Omicron variant, testing centers in Canada were overwhelmed. To alleviate the pressure on the PCR testing capacity, many provinces implemented new strategies that promote self testing and adjust the eligibility for PCR tests, making the count of new cases underreported. We designed a novel compartmental model which captures the new testing guidelines, social behaviours, booster vaccines campaign and features of the newest variant Omicron. To better describe the testing eligibility, we considered the population divided into high risk and non-high-risk settings. The model is calibrated using data from January 1 to February 9, 2022, on cases and severe outcomes in Canada, the province of Ontario and City of Toronto. We conduct analyses on the impact of PCR testing capacity, self testing, different levels of reopening and vaccination coverage on cases and severe outcomes. Our results show that the total number of cases in Canada, Ontario and Toronto are 2.34 (95%CI: 1.22-3.38), 2.20 (95%CI: 1.15-3.72), and 1.97(95%CI: 1.13-3.41), times larger than reported cases, respectively. The current testing strategy is efficient if partial restrictions, such as limited capacity in public spaces, are implemented. Allowing more people to have access to PCR reduces the daily cases and severe outcomes; however, if PCR test capacity is insufficient, then it is important to promote self testing. Also, we found that reopening to a pre-pandemic level will lead to a resurgence of the infections, peaking in late March or April 2022. Vaccination and adherence to isolation protocols are important supports to the testing policies to mitigate any possible spread of the virus.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,351

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,090
Tête enseignante GPT0,324
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInfectious Disease ModellingMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207