SARS-CoV-2 Exposures at a Large Gathering Event and Acquisition of COVID-19 in the Post-Vaccination Era: A Randomized Trial Is Possible During the Pandemic
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) pandemic has had a major impact on all facets of life, including outcomes that were very significant to the health of the general public but also deleterious to the economy, culture, politics, social cohesion, food security, travel, human rights, education, and access to accurate information [1, 2]. The response to the COVID-19 pandemic was hampered by tensions between the dichotomous perspectives of public health and the acceptance (or lack thereof) of social measures intended to curb transmission, such as lockdowns, school closures, mask mandates, and curfews. Among other unintended consequences, these measures exposed considerable conflict, in part fed by a variety of opinions that emerged from the lack of clear scientific evidence. It is widely accepted that randomized, controlled trials (RCTs) provide the least biased evidence when testing interventions [3]. Randomization provides balanced groups of participants with respect to known and unknown bias, whereas observational studies are prone to confounding and cannot address unknown confounders. RCTs of pharmaceutical interventions including antivirals and vaccines were designed, funded, and deployed at an unprecedented pace during the COVID-19 pandemic. However, the same expediency was not seen for RCTs for nonpharmaceutical interventions (NPIs). For reasons that are not well understood, RCTs failed to be designed and implemented for some of the most disruptive policies applied to address COVID-19, a situation that has been described as a “pandemic tragedy” [4, 5]. Some have suggested that RCTs in a pandemic are too difficult or impossible to conduct and that mechanistic or observational evidence is sufficient [6]. Unfortunately, pursuing this type of evidence, to the exclusion of knowledge derived from RCTs, will not provide the best information that is essential to guide public health decisions during a 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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,001 |
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 ».