The Impact of Quarantine, Isolation, and Social Distancing on COVID-19 Prevention: A Systematic Review
Notice bibliographique
Résumé
Background: The new Corona virus disease (COVID-19) appeared in Wuhan, China in December 2019. Methods, such as quarantine, isolation, and social distancing, if implemented properly, can help prevent the transmission of the disease. This study aimed to examine the effects of quarantine, isolation, and social distancing on the prevention of COVID-19. Methods: In this systematic review, EMBASE (Elsevier, 2018), MEDLINE (National Library of Medicine, 2018), Scopus, ProQuest, Web of Science (Clarivate Analytics, 2018b), and Google Scholar databases were searched for the studies published prior to 10 April 2020. The search and data extraction were conducted by two authors and to check and control the quality of the articles, we used the Newcastle-Ottawa checklist. Results: Based on the inclusion criteria, 24 out of the 768 primarily screened studies were finally assessed. Studies showed that the short-term negative psychological effects of quarantine included frustration, boredom, anger, and confusion. Nonetheless, extending the adult quarantine period to 18-21 days could be effective in preventing the spread of the virus and controlling the disease. Moreover, the decision to control the people’s travels through restrictions on freedom of movement must be balanced regarding the estimated epidemiological impact and the expected economic outcome. Conclusions: Although isolation, quarantine, and social distancing all have challenges, they are very useful methods for controlling the disease, which can be best used by knowing their duration of implementation.
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 | 0,010 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».