Modelling the Impact of Media‐Induced Social Distancing on the Containment of COVID‐19 in Beijing
Notice bibliographique
Résumé
With the multiple waves of COVID‐19 in China and other countries, there is an urgent need to design effective containment, especially nonpharmaceutical interventions, to combat the transmission. Media reports on COVID‐19—which can induce precautionary behaviour such as social distancing, by providing disease‐related information to the public—are thought to be effective in containing the spread. We include the media‐reporting data collected from authoritative and popular websites, along with the corresponding IP‐visiting data, to study the effects of media reports in curbing the outbreak of COVID‐19 in Beijing. To quantify how social distancing affects the spread of COVID‐19, we differentiate the fully susceptible from those susceptibles who are media aware and practice social distancing or are quarantined. We propose a discrete compartment model with the fully susceptible, the media‐aware susceptible, and the quarantined susceptible as three separate classes. We adopt functions dependent on the media reports and the contacts of media‐aware susceptibles to describe the progression rate of susceptibles to media‐aware susceptibles. By fitting the targeted model to data on the two Beijing outbreaks, we estimated the reproduction numbers for the two outbreaks as R0 = 1.6818 and R0 = 1.3251, respectively. Cross‐correlation analysis on our collected data suggests a strong correlation between the media reporting and epidemic case data. Sensitivity and uncertainty analysis show that even with the intensified interventions in force, reducing either the social distancing uptake rate or the average duration of social distancing for media‐aware susceptibles could aggravate the severity of the two outbreaks in Beijing by magnifying the final confirmed cases and lengthening the end time of the pandemic. Our findings demonstrate that enhancing social distancing and media reporting alone, if done in sufficient measures, are enough to alleviate the COVID‐19 epidemic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».