MétaCan
Menu
← Retour à la cohorte
Enregistrement W4283729100 · doi:10.21203/rs.3.rs-1708820/v1

Estimation of epidemiological parameters and ascertainment rate from early transmission of COVID-19 across Africa

2022· preprint· en· W4283729100 sur OpenAlexafffund
Qing Kai Han, Nicola Luigi Bragazzi, Ali Asgary, James Orbinski, Jianhong Wu, Jude Dzevela Kong

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensYork University
Organismes subventionnairesInternational Development Research CentreStyrelsen för Internationellt Utvecklingssamarbete
Mots-clésTanzaniaDemographyPandemicEpidemiologyCoronavirus disease 2019 (COVID-19)Basic reproduction numberGeographyEstimationTransmission (telecommunications)Psychological interventionDeveloping countrySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)SocioeconomicsMedicinePopulationBiologyInfectious disease (medical specialty)EconomicsSociologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Country reported case counts suggested a slow spread of SARS-CoV-2 in the initial phase of the COVID-19 pandemic in Africa. However, due to inadequate public awareness, unestablished monitoring practices, limited testing, ineffective diagnosis, stigmas attached to being infected with SARS-CoV-2, self-medication, and the use of complementary/alternative medicine that are common among Africans for social, economic, and psychological reasons, there might exist extensive under-ascertainment and therefore an underestimation of the true number of cases, especially at the beginning of the novel epidemic. We developed a compartmentalized epidemiological model based on an augmented susceptible-exposed-infectious-recovered (SEIR) model to track the early epidemics in 54 African countries. Data on the reported cumulative number of cases and daily confirmed cases were used to fit the model for the time period with no or little massive national interventions yet in each country. We estimated that the mean basic reproduction number is 2.02 (SD 0.7), with a range between 1.12 (Zambia) and 3.64 (Nigeria), whereas the mean basic reproduction number for observed cases was estimated to be 0.17 (SD 0.17), with a range between 0 (Sao Tomé and Príncipe, Seychelles, Tanzania, South Sudan, Mozambique, Liberia, Togo) and 0.68 (South Africa). It was estimated that the mean overall report rate is 5.37% (SD 5.71%), with the highest 30.41% in Libya and the lowest 0.02% in Sao Tomé and Príncipe. An average of 5.46% (SD 6.4%) of all infected cases were severe cases and 66.74% (SD 17.28%) were asymptomatic ones, with Libya having the most (39.45%) fraction of severe cases and Togo the most (97.38%) fraction of asymptomatic cases. The estimated low reporting rates in Africa suggested a clear need for improved reporting and surveillance system in these countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,480
Tête enseignante GPT0,550
Écart entre enseignants0,070 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→