MétaCan
Menu
Retour à la cohorte
Enregistrement W4388773272 · doi:10.1177/21582440231207472

Effects of Closures and Openings on Public Health in the Time of COVID-19: A Cross-Country and Temporal Trend Analysis

2023· article· en· W4388773272 sur OpenAlexaboutno aff
Long Chu, R. Quentin Grafton, Tom Kompas, Mary‐Louise McLaws

Notice bibliographique

RevueSAGE Open · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial distanceCoronavirus disease 2019 (COVID-19)PandemicPublic healthHospitalityClosure (psychology)Demographic economics2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Trend analysisDemographyDevelopment economicsGeographyPolitical scienceEconomicsMedicineSociologyStatisticsOutbreakTourism

Résumé

récupéré en direct d'OpenAlex

Many countries mandated social distancing measures during the COVID-19 pandemic of 2020 to 2022 that variously included opening hours restrictions on hospitality and retail, economy-wide closures, and additional international border controls. We analyzed whether more restrictive (hereafter, closures) or less restrictive (hereafter, openings) social distancing measures changed the short-term trends in the number of COVID-19 cases, hospitalizations, and ICU patients in Australia, Canada, and the United Kingdom. Our analysis uses a “before-and-after” trend analysis (decremental/incremental and growth/decay trends) to compare the trends of epidemic indicators before and after each closure or opening event. Results show that, in general, and for these three countries: (a) closures resulted in reduced trend growth in adverse COVID-19 public health outcomes and (b) openings resulted in increased trend growth for the three selected measures of public health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,182
Tête enseignante GPT0,473
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetCOVID-19 epidemiological studiesTravaux en français237 207