Impact of layered non-pharmacological interventions on COVID-19 transmission dynamics in Yucatan, Mexico
Notice bibliographique
Résumé
The pandemic propagation of SARS-CoV-2 led to the adoption of a myriad of non-pharmacological interventions (NPIs, e.g., social distancing, mobility restrictions, gathering restrictions) in the Americas. Using national epidemiological data, here we report the impact of the layered adoption of multiple NPIs aimed at curving SARS-CoV-2 transmission in Yucatan State, Mexico. Data from suspected and laboratory confirmed COVID-19 cases during 2020 were analyzed by age groups and sex, clinical signs, and symptoms as well as outcome. The impact of NPIs was quantified using time-varying reproduction numbers (Rt) estimated as a time-series and by sectors of the city. A total of 69,602 suspected cases were reported, 39.3% were laboratory-confirmed. Men were hospitalized (60.2%), more severely ill (3% vs 1.9%) and more likely to die (62%) than women. Early in the outbreak, all sectors in Merida had Rt estimates above unity. Once all NPÍs were in place, Rt values were dramatically reduced below one, and in the last interval transmission estimates of Rt remained below one in all sectors. In the absence of a COVID-19 vaccination program, the combination and wide adherence of NPÍs led to a low and stable trend in SARS-CoV-2 transmission that did not overwhelm the health sector. Our study reflects that a controlled and planned ease of restrictions to balance health, social and economic recovery resulted in a single wave of transmission that prolonged at low and stable levels. GVP received funding from Emory University via the MP3 Initiative.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».