The Impact of Non-pharmaceutical Interventions on COVID-19 in Workers and Residents of Nursing Homes in Geneva: A Mixed-Methods Study
Notice bibliographique
Résumé
Non-pharmaceutical interventions (NPIs), including social distancing, wearing personal protective equipment, and lockdown measures, have been at the forefront of outbreak control in nursing homes. We used a mixed methodology to assess which NPIs nursing homes in the canton of Geneva, Switzerland, followed for their staff and residents during the first wave of the pandemic, between March 1, 2020 and June 1, 2020. For the qualitative component, we interviewed the attending physicians and/or director of each nursing home. Based on in-vivo codes, NPIs for nursing home workers and residents in each nursing home were thematically classified as: maximally restrictive, moderately restrictive, and minimally restrictive. In the quantitative component, we calculated incident rate ratios (IRR) for infection between the three levels of COVID-19-related measures taken in these nursing homes. We found an equal distribution of maximally (n=4), moderately (n=4), and minimally (n=4) restrictive NPIs. The extent of restriction did not show to be significantly associated with the cumulative incidence of COVID-19 cases among residents (maximally restrictive IRR = 3.90, 95%CI 0.82-45.54, p = 0.184; moderately restrictive IRR = 3.55, 95%CI 0.75-41.42, p = 0.212 ; minimally restrictive IRR = reference). Variabilities in NPIs adopted by nursing homes, and the number of COVID-19 cases appear to be randomly affected.
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 | 0,013 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».