Mask Use to Curtail Influenza in a Post–COVID-19 World: Modeling Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Face mask mandates have been instrumental in the reduction of transmission of airborne COVID-19. Thus, the question arises whether comparatively mild measures should be kept in place after the pandemic to reduce other airborne diseases such as influenza. Objective: In this study, we aim to simulate the quantitative impact of face masks on the rate of influenza illnesses in the United States. Methods: Using the Centers for Disease Control and Prevention data from 2010 to 2019, we used a series of differential equations to simulate past influenza seasons, assuming that people wore face masks. This was achieved by introducing a variable to account for the efficacy and prevalence of masks and then analyzing its impact on influenza transmission rate in a susceptible-exposed-infected-recovered model fit to the actual past seasons. We then compared influenza rates in this hypothetical scenario with the actual rates over the seasons. Results: Our results show that several combinations of mask efficacy and prevalence can substantially reduce the burden of seasonal influenza. Across all the years modeled, a mask prevalence of 0.2 (20%) and assumed moderate inward and outward mask efficacy of 0.45 (45%) reduced influenza infections by >90%. Conclusions: A minority of individuals wearing masks substantially reduced the number of influenza infections across seasons. Considering the efficacy rates of masks and the relatively insignificant monetary cost, we highlight that it may be a viable alternative or complement to influenza vaccinations.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle