MétaCan
Menu
Retour à la cohorte
Enregistrement W4390047880 · doi:10.1371/journal.pdig.0000405

The effects of weather and mobility on respiratory viruses dynamics before and during the COVID-19 pandemic in the USA and Canada

2023· article· en· W4390047880 sur OpenAlexfundaboutno aff
Irma Varela‐Lasheras, Lília Perfeito, Sara Mesquita, Joana Gonçalves-Sá

Notice bibliographique

RevuePLOS Digital Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaPublic Health AgencyPublic Health Agency of CanadaIowa State University
Mots-clésPandemicOutbreakEpidemiologyCoronavirus disease 2019 (COVID-19)VirologyBiologyMedicineInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

The flu season is caused by a combination of different pathogens, including influenza viruses (IVS), that cause the flu, and non-influenza respiratory viruses (NIRVs), that cause common colds or influenza-like illness. These viruses exhibit similar dynamics and meteorological conditions have historically been regarded as a principal modulator of their epidemiology, with outbreaks in the winter and almost no circulation during the summer, in temperate regions. However, after the emergence of SARS-CoV2, in late 2019, the dynamics of these respiratory viruses were strongly perturbed worldwide: some infections displayed near-eradication, while others experienced temporal shifts or occurred "off-season". This disruption raised questions regarding the dominant role of weather while also providing an unique opportunity to investigate the roles of different determinants on the epidemiological dynamics of IVs and NIRVs. Here, we employ statistical analysis and modelling to test the effects of weather and mobility in viral dynamics, before and during the COVID-19 pandemic. Leveraging epidemiological surveillance data on several respiratory viruses, from Canada and the USA, from 2016 to 2023, we found that whereas in the pre-COVID-19 pandemic period, weather had a strong effect, in the pandemic period the effect of weather was strongly reduced and mobility played a more relevant role. These results, together with previous studies, indicate that behavioral changes resulting from the non-pharmacological interventions implemented to control SARS-CoV2, interfered with the dynamics of other respiratory viruses, and that the past dynamical equilibrium was disturbed, and perhaps permanently altered, by the COVID-19 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,015
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,075
Tête enseignante GPT0,379
Écart entre enseignants0,305 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLOS Digital HealthMême sujetInfluenza Virus Research StudiesTravaux en français237 207