Impact of community mask mandates on SARS-CoV-2 transmission in Ontario after adjustment for differential testing by age and sex
Notice bibliographique
Résumé
Mask use for prevention of respiratory infectious disease transmission is not new but has proven controversial during the SARS-CoV-2 pandemic. In Ontario, Canada, irregular regional introduction of community mask mandates in 2020 created a quasi-experiment useful for evaluating the impact of such mandates; however, Ontario SARS-CoV-2 case counts were likely biased by testing focused on long-term care facilities and healthcare workers. We developed a regression-based method that allowed us to adjust cases for under-testing by age and gender. We evaluated mask mandate effects using count-based regression models with either unadjusted cases, or testing-adjusted case counts, as dependent variables. Models were used to estimate mask mandate effectiveness, and the fraction of SARS-CoV-2 cases, severe outcomes, and costs, averted by mask mandates. Models using unadjusted cases as dependent variables identified modest protective effects of mask mandates (range 31-42%), with variable statistical significance. Mask mandate effectiveness in models predicting test-adjusted case counts was higher, ranging from 49% (95% CI 44-53%) to 76% (95% CI 57-86%). The prevented fraction associated with mask mandates was 46% (95% CI 41-51%), with 290,000 clinical cases, 3,008 deaths, and loss of 29,038 quality-adjusted life years averted from 2020 June to December, representing $CDN 610 million in economic wealth. Under-testing in younger individuals biases estimates of SARS-CoV-2 infection risk and obscures the impact of public health preventive measures. After adjustment for under-testing, mask mandates emerged as highly effective. Community masking saved substantial numbers of lives, and prevented economic costs, during the SARS-CoV-2 pandemic in Ontario, Canada.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».