Implementing and Maintaining a SARS-CoV-2 Exposure Notification Application for Mobile Phones: The Finnish Experience
Notice bibliographique
Résumé
Exposure notification applications (ENAs) or digital proximity tracing apps were used in several countries during the COVID-19 pandemic. In this viewpoint, we share our experience of implementing and running the Finnish ENA (Koronavilkku), one of the national ENAs with the highest proportion of users during the pandemic. With the aim of strengthening public trust and increasing app uptake, there was a strong prioritization of privacy and data security for the end user throughout the ENA development. This, in turn, limited the use of the app as a tool for health care professionals and deeper insight into its potential effectiveness. The ENA was designed to supplement conventional contact tracing, rather than replace it, and to serve as an early warning system and a trigger for action for the user in case of potential exposure. The predefined target of 40% uptake in the population was achieved within 3 months of the ENA launch. We consider easy-to-understand information produced together with communication experts crucial during the changing pandemic situation. This information educated people about the app as one component in mitigating the pandemic. As the pandemic and its mitigation evolved, the ENA also needed adapting and updating. A few months after its launch, Finland joined European interoperability, which allowed the ENA to share information with ENAs of other countries. We added automatic token issuing to the ENA as of mid-2021. If added earlier and more comprehensively, automatization could have more effectively saved resources in health care services and prevented overburdening contact tracing teams, while also notifying potentially exposed individuals quicker and more reliably. In the spring of 2021, the number of active apps started to gradually decline. Quarantine and testing practices for asymptomatic vaccinated individuals following exposure to the virus were eased and home tests became more common, eventually replacing laboratory testing for much of the population. Taken together, this led to decreased token issuance, which weakened the potential public health usefulness of the app. A self-service option for token issuance would likely have prolonged the lifespan of the app. The ENA was discontinued in mid-2022. Regularly conducted surveys would have helped gain timely knowledge on the use and effectiveness of the app for better responding to the changing needs during the pandemic.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».