Lessons from past pandemics: a systematic review of evidence-based, cost-effective interventions to suppress COVID-19
Notice bibliographique
Résumé
BACKGROUND: In an unparalleled global response, during the COVID-19 pandemic, 90 countries asked 3.9 billion people to stay home. Yet other countries avoided lockdowns and focused on other strategies, like contact tracing. How effective and cost-effective are these strategies? We aimed to provide a comprehensive summary of the evidence on past pandemic controls, with a focus on cost-effectiveness. METHODS: Following PRISMA guidelines, MEDLINE (1946 to April week 2, 2020) and EMBASE (1974 to April 17, 2020) were searched using a range of terms related to pandemic control. Articles reporting on the effectiveness or cost-effectiveness of at least one intervention were included. RESULTS: We found 1653 papers; 62 were included. The effectiveness of hand-washing and face masks was supported by randomized trials. These measures were highly cost-effective. For other interventions, only observational and modelling studies were found. They suggested that (1) the most cost-effective interventions are swift contact tracing and case isolation, surveillance networks, protective equipment for healthcare workers, and early vaccination (when available); (2) home quarantines and stockpiling antivirals are less cost-effective; (3) social distancing measures like workplace and school closures are effective but costly, making them the least cost-effective options; (4) combinations are more cost-effective than single interventions; and (5) interventions are more cost-effective when adopted early. For 2009 H1N1 influenza, contact tracing was estimated to be 4363 times more cost-effective than school closure ($2260 vs. $9,860,000 per death prevented). CONCLUSIONS AND CONTRIBUTIONS: For COVID-19, a cautious interpretation suggests that (1) workplace and school closures are effective but costly, especially when adopted late, and (2) scaling up as early as possible a combination of interventions that includes hand-washing, face masks, ample protective equipment for healthcare workers, and swift contact tracing and case isolation is likely to be the most cost-effective strategy.
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 | 0,016 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,012 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».