A Hierarchical Framework for Assessing Transmission Causality of Respiratory Viruses
Notice bibliographique
Résumé
Systematic reviews of 591 primary studies of the modes of transmission for SARS-CoV-2 show significant methodological shortcomings and heterogeneity in the design, conduct, testing, and reporting of SARS-CoV-2 transmission. While this is partly understandable at the outset of a pandemic, evidence rules of proof for assessing the transmission of this virus are needed for present and future pandemics of viral respiratory pathogens. We review the history of causality assessment related to microbial etiologies with a focus on respiratory viruses and suggest a hierarchy of evidence to integrate clinical, epidemiologic, molecular, and laboratory perspectives on transmission. The hierarchy, if applied to future studies, should narrow the uncertainty over the twin concepts of causality and transmission of human respiratory viruses. We attempt to address the translational gap between the current research evidence and the assessment of causality in the transmission of respiratory viruses with a focus on SARS-CoV-2. Experimentation, consistency, and independent replication of research alongside our proposed framework provide a chain of evidence that can reduce the uncertainty over the transmission of respiratory viruses and increase the level of confidence in specific modes of transmission, informing the measures that should be undertaken to prevent transmission.
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 | 0,130 | 0,252 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,014 |
| Bibliométrie | 0,035 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».