MétaCan
Menu
Retour à la cohorte
Enregistrement W4380988055 · doi:10.1016/j.focus.2023.100125

The Effects of Nonpharmaceutical Interventions on COVID-19 Cases, Hospitalizations, and Mortality: A Systematic Literature Review and Meta-analysis

2023· review· en· W4380988055 sur OpenAlexaffabout
James A. Peters, Mohsen Farhadloo

Notice bibliographique

RevueAJPM Focus · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionPer capitaCoronavirus disease 2019 (COVID-19)Meta-analysisDemographyPandemicScale (ratio)MedicineMortality rateEnvironmental healthGeographyInternal medicineNursingPopulationSociology

Résumé

récupéré en direct d'OpenAlex

Introduction: To assess the effects of various non-pharmaceutical interventions (NPI) on cases, hospitalizations, and mortality during the first wave of the COVID-19 pandemic. Methods: To empirically investigate the impacts of different NPIs on COVID-19-related health outcomes, a systematic literature review was conducted. We studied the effects of 10 NPIs on cases, hospitalizations, and mortality across three periodic lags (2, 3, and 4 weeks-or-more following implementation). Articles measuring the impact of NPIs were sourced from three databases by May 10, 2022, and risk of bias was assessed using the Newcastle-Ottawa scale. Results: Across the 44 papers, we found that mask wearing corresponded to decreased per capita cases across all lags (up to -2.71 per 100,000). All NPIs studied except business and bar/restaurant closures corresponded to reduced case growth rates in the two weeks following implementation, while policy stringency and travelling restrictions were most effective after four. While we did not find evidence of reduced deaths in our per capita estimates, policy stringency, masks, SIPOs, limited gatherings, school and business closures were associated with decreased mortality growth rates. Moreover, the two NPIs studied in hospitalizations (SIPOs and mask wearing) showed negative estimates. Conclusions: When assessing the impact of NPIs, considering the duration of effectiveness following implementation has paramount significance. While some NPIs may reduce the COVID-19 impact, others can disrupt the mitigative progression of containing the virus. Policymakers should be aware of both the scale of their effectiveness and duration of impact when adopting these measures for future COVID-19 waves.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,058
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,039
Bibliométrie0,0070,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,309
Tête enseignante GPT0,552
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAJPM FocusMême sujetCOVID-19 and healthcare impactsTravaux en français237 207