Evaluating the Added Value of Digital Contact Tracing Support Tools for Citizens: Framework Development
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic revealed that with high infection rates, health services conducting contact tracing (CT) could become overburdened, leading to limited or incomplete CT. Digital CT support (DCTS) tools are designed to mimic traditional CT, by transferring a part of or all the tasks of CT into the hands of citizens. Besides saving time for health services, these tools may help to increase the number of contacts retrieved during the contact identification process, quantity and quality of contact details, and speed of the contact notification process. The added value of DCTS tools for CT is currently unknown. OBJECTIVE: To help determine whether DCTS tools could improve the effectiveness of CT, this study aims to develop a framework for the comprehensive assessment of these tools. METHODS: A framework containing evaluation topics, research questions, accompanying study designs, and methods was developed based on consultations with CT experts from municipal public health services and national public health authorities, complemented with scientific literature. RESULTS: These efforts resulted in a framework aiming to assist with the assessment of the following aspects of CT: speed; comprehensiveness; effectiveness with regard to contact notification; positive case detection; potential workload reduction of public health professionals; demographics related to adoption and reach; and user experiences of public health professionals, index cases, and contacts. CONCLUSIONS: This framework provides guidance for researchers and policy makers in designing their own evaluation studies, the findings of which can help determine how and the extent to which DCTS tools should be implemented as a CT strategy for future infectious disease outbreaks.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».