A systematic review of the international evidence on the effectiveness of COVID-19 mitigation measures in communal rough sleeping accommodation
Notice bibliographique
Résumé
BACKGROUND: Accommodations with shared washing facilities increase the risks of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection for people experiencing rough sleeping and evidence on what interventions are effective in reducing these risks needs to be understood. METHODS: Systematic review, search date 6 December 2022 with methods published a priori. Electronic searches were conducted in MEDLINE, PubMed, Cochrane Library, CINAHL and the World Health Organization (WHO) COVID-19 Database and supplemented with grey literature searches, hand searches of reference lists and publication lists of known experts. Observational, interventional and modelling studies were included; screening, data extraction and risk of bias assessment were done in duplicate and narrative analyses were conducted. RESULTS: Fourteen studies from five countries (USA, England, France, Singapore and Canada) were included. Ten studies were surveillance reports, one was an uncontrolled pilot intervention, and three were modelling studies. Only two studies were longitudinal. All studies described the effectiveness of different individual or packages of mitigation measures. CONCLUSIONS: Despite a weak evidence base, the research suggests that combined mitigation measures can help to reduce SARS-CoV-2 transmission but are unlikely to prevent outbreaks entirely. Evidence suggests that community prevalence may modify the effectiveness of mitigation measures. More longitudinal research is needed. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42021292803.
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 | 0,042 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».