MétaCan
Menu
Retour à la cohorte
Enregistrement W4281877336 · doi:10.17269/s41997-022-00632-w

The epidemiological impact of the Canadian COVID Alert app

2022· article· en· W4281877336 sur OpenAlexafffundvenueabout
Shuo Sun, Mairead Shaw, Erica E. M. Moodie, Derek Ruths

Notice bibliographique

RevueCanadian Journal of Public Health · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCOVID-19 Digital Contact Tracing
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de Recherche du Québec - SantéInstitut de Valorisation des Données
Mots-clésCoronavirus disease 2019 (COVID-19)Case fatality rateQuarantineDemographyMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)EpidemiologyTransmission (telecommunications)Pandemic2019-20 coronavirus outbreakGeographyEnvironmental healthVirologyPopulationOutbreakComputer scienceInfectious disease (medical specialty)TelecommunicationsDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: We analyzed the effectiveness of the Canadian COVID Alert app on reducing COVID-19 infections and deaths due to the COVID-19 virus. METHODS: Two separate but complementary approaches were taken. First, we undertook a comparative study to assess how the adoption and usage of the COVID Alert app compared to those of similar apps deployed in other regions. Next, we used data from the COVID Alert server and a range of plausible parameter values to estimate the numbers of infections and deaths averted in Canada using a model that combines information on number of notifications, secondary attack rate, expected fraction of transmissions that could be prevented, quarantine effectiveness, and expected size of the full transmission chain in the absence of exposure notification. RESULTS: The comparative analysis revealed that the COVID Alert app had among the lowest adoption levels among apps that reported usage. Our model indicates that use of the COVID Alert app averted between 6284 and 10,894 infections across the six Canadian provinces where app usage was highest during the March-July 2021 period. This range is equivalent to 1.6-2.9% of the total recorded infections across Canada in that time. Using province-specific case fatality rates, 57-101 deaths were averted during the same period. The number of cases and deaths averted was greatest in Ontario, whereas the proportion of cases and deaths averted was greatest in Newfoundland and Labrador. App impact measures were reported so rarely and so inconsistently by other regions that the relative assessment of impact is inconclusive. CONCLUSION: While the nationwide rates are low, provinces with widespread adoption of the app showed high ratios of averted cases and deaths (upper bound was greater than 60% of averted cases). This finding suggests that the COVID Alert app, when adopted at sufficient levels, can be an effective public health tool for combatting a pandemic such as COVID-19.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,345
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Public HealthMême sujetCOVID-19 Digital Contact TracingTravaux en français237 207