Effectiveness of face masks for reducing transmission of SARS-CoV-2: a rapid systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This rapid systematic review of evidence asks whether (i) wearing a face mask, (ii) one type of mask over another and (iii) mandatory mask policies can reduce the transmission of SARS-CoV-2 infection, either in community-based or healthcare settings. A search of studies published 1 January 2020–27 January 2023 yielded 5185 unique records. Due to a paucity of randomized controlled trials (RCTs), observational studies were included in the analysis. We analysed 35 studies in community settings (three RCTs and 32 observational) and 40 in healthcare settings (one RCT and 39 observational). Ninety-five per cent of studies included were conducted before highly transmissible Omicron variants emerged. Ninety-one per cent of observational studies were at ‘critical’ risk of bias (ROB) in at least one domain, often failing to separate the effects of masks from concurrent interventions. More studies found that masks ( n = 39/47; 83%) and mask mandates ( n = 16/18; 89%) reduced infection than found no effect ( n = 8/65; 12%) or favoured controls ( n = 1/65; 2%). Seven observational studies found that respirators were more protective than surgical masks, while five found no statistically significant difference between the two mask types. Despite the ROB, and allowing for uncertain and variable efficacy, we conclude that wearing masks, wearing higher quality masks (respirators), and mask mandates generally reduced SARS-CoV-2 transmission in these study populations. This article is part of the theme issue 'The effectiveness of non-pharmaceutical interventions on the COVID-19 pandemic: the evidence'.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,000 |
| 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 découle