Shifts in global mobility dictate the synchrony of SARS-CoV-2 epidemic waves
Notice bibliographique
Résumé
BACKGROUND: Human mobility changed in unprecedented ways during the SARS-CoV-2 pandemic. In March and April 2020, when lockdowns and large travel restrictions began in most countries, global air-travel almost entirely halted (92% decrease in commercial global air travel in the months between February and April 2020). Initial recovery in global air travel started around July 2020 and subsequently nearly tripled between May and July 2021. Here, we aim to establish a preliminary link between global mobility patterns and the synchrony of SARS-CoV-2 epidemic waves across the world. METHODS: We compare epidemic peaks and human global mobility in two time periods: November 2020 to February 2021 (when just over 70 million passengers travelled) and November 2021 to February 2022 (when more than 200 million passengers travelled). We calculate the time interval during which continental epidemic peaks occurred for both of these time periods, and we calculate the pairwise correlations of epidemic waves between all pairs of countries for the same time periods. RESULTS: We find that as air travel increases at the end of 2021, epidemic peaks around the world are more synchronous with one another, both globally and regionally. Continental epidemic peaks occur globally within a 20 day interval at the end of 2021 compared with 73 days at the end of 2020, and epidemic waves globally are more correlated with one another at the end of 2021. CONCLUSIONS: This suggests that the rebound in human mobility dictates the synchrony of global and regional epidemic waves. In line with theoretical work, we show that in a more connected world, epidemic dynamics are more synchronized.
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 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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».