Estimation of the COVID‐19 mean incubation time: Systematic review, meta‐analysis, and sensitivity analysis
Notice bibliographique
Résumé
Abstract Providing sensible estimates of the mean incubation time for COVID‐19 is important yet complex. This study aims to provide synthetic estimates of the mean incubation time of COVID‐19 by capitalizing on available estimates reported in the literature and exploring different ways to accommodate heterogeneity involved in the reported studies. Online databases between January 1, 2020 and May 20, 2021 are first searched to obtain estimates of the mean incubation time of COVID‐19, and meta‐analyses are then conducted to generate synthetic estimates. Heterogeneity of the studies is examined via the use of Cochran's statistic and Higgin's & Thompson's statistic, and subgroup analyses are conducted using mixed effects models. The publication bias issue is assessed using the funnel plot and Egger's test. Using all those reported mean incubation estimates for COVID‐19, the synthetic mean incubation time is estimated to be 6.43 days with a 95% confidence interval (CI) [5.90, 6.96], and using all those reported mean incubation estimates together with those transformed median incubation estimates, the estimated mean incubation time is 6.07 days with a 95% CI [5.70, 6.45]. The reported estimates of the mean incubation time of COVID‐19 vary considerably due to multiple reasons, including heterogeneity and publication bias. To alleviate these issues, we take different angles to provide a sensible estimate of the mean incubation time of COVID‐19. Our analyses show that the mean incubation time of COVID‐19 between January 1, 2020 and May 20, 2021 ranges from 5.68 to 8.30 days.
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 | 0,036 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».