Evaluation of phase-adjusted interventions for COVID-19 using an improved SEIR model
Notice bibliographique
Résumé
A local COVID-19 outbreak with two community clusters occurred in a large industrial city, Shaoxing, China, in December 2021 after serial interventions were imposed. We aimed to understand the reason by analysing the characteristics of the outbreak and evaluating the effects of phase-adjusted interventions. Publicly available data from 7 December 2021 to 25 January 2022 were collected to analyse the epidemiological characteristics of this outbreak. The incubation period was estimated using Hamiltonian Monte Carlo method. A well-fitted extended susceptible-exposed-infectious-recovered model was used to simulate the impact of different interventions under various combination of scenarios. There were 387 SARS-CoV-2-infected cases identified, and 8.3% of them were initially diagnosed as asymptomatic cases. The estimated incubation period was 5.4 (95% CI 5.2-5.7) days for all patients. Strengthened measures of comprehensive quarantine based on tracing led to less infections and a shorter duration of epidemic. With a same period of incubation, comprehensive quarantine was more effective in containing the transmission than other interventions. Our findings reveal an important role of tracing and comprehensive quarantine in blocking community spread when a cluster occurred. Regions with tense resources can adopt home quarantine as a relatively affordable and low-impact intervention measure compared with centralized quarantine.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».