Optimized workplace risk mitigation measures for SARS-CoV-2 in 2022
Notice bibliographique
Résumé
596 million SARS-CoV-2 cases have been reported and over 12 billion vaccine doses have been administered. As vaccination rates increase, a gap in knowledge exists regarding appropriate thresholds for escalation and de-escalation of workplace COVID-19 preventative measures. We conducted 133,056 simulation experiments, evaluating the spread of SARS-CoV-2 virus in hypothesized working environments subject to COVID-19 infections from the community. We tested the rates of workplace-acquired infections based on applied isolation strategies, community infection rates, methods and scales of testing, non-pharmaceutical interventions, variant predominance, vaccination coverages, and vaccination efficacies. When 75% of a workforce is vaccinated with a 70% efficacious vaccine against infection, then no masking or routine testing + isolation strategies are needed to prevent workplace-acquired omicron variant infections when the community infection rate per 100,000 persons is ≤ 1. A CIR ≤ 30, and ≤ 120 would result in no workplace-acquired infections in this same scenario against the delta and alpha variants, respectively. Workforces with 100% worker vaccination can prevent workplace-acquired infections with higher community infection rates. Identifying and isolating workers with antigen-based SARS-CoV-2 testing methods results in the same or fewer workplace-acquired infections than testing with slower turnaround time polymerase chain reaction methods. Risk migration measures such as mask-wearing, testing, and isolation can be relaxed, or escalated, in commensurate with levels of community infections, workforce immunization, and risk tolerance. The interactive heatmap we provide can be used for immediate, parameter-based case count predictions to inform institutional policy making. The simulation approach we have described can be further used for future evaluation of strategies to mitigate COVID-19 spread.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».