Estimating social contacts in mass gatherings for disease outbreak prevention and management: case of Hajj pilgrimage
Notice bibliographique
Résumé
BACKGROUND: Most mass gathering events have been suspended due to the SARS-CoV-2 pandemic. However, with vaccination rollout, whether and how to organize some of these mass gathering events arises as part of the pandemic recovery discussions, and this calls for decision support tools. The Hajj, one of the world's largest religious gatherings, was substantively scaled down in 2020 and 2021 and it is still unclear how it will take place in 2022 and subsequent years. Simulating disease transmission dynamics during the Hajj season under different conditions can provide some insights for better decision-making. Most disease risk assessment models require data on the number and nature of possible close contacts between individuals. METHODS: We sought to use integrated agent-based modeling and discrete events simulation techniques to capture risky contacts among the pilgrims and assess different scenarios in one of the Hajj major sites, namely Masjid-Al-Haram. RESULTS: The simulation results showed that a plethora of risky contacts may occur during the rituals. Also, as the total number of pilgrims increases at each site, the number of risky contacts increases, and physical distancing measures may be challenging to maintain beyond a certain number of pilgrims in the site. CONCLUSIONS: This study presented a simulation tool that can be relevant for the risk assessment of a variety of (respiratory) infectious diseases, in addition to COVID-19 in the Hajj season. This tool can be expanded to include other contributing elements of disease transmission to quantify the risk of the mass gathering events.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 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 ».