A methodology for estimating SARS-CoV-2 importation risk by air travel into Canada between July and November 2021
Notice bibliographique
Résumé
BACKGROUND: Estimating rates of disease importation by travellers is a key activity to assess both the risk to a country from an infectious disease emerging elsewhere in the world and the effectiveness of border measures. We describe a model used to estimate the number of travellers infected with SARS-CoV-2 into Canadian airports in 2021, and assess the impact of pre-departure testing requirements on importation risk. METHODS: A mathematical model estimated the number of essential and non-essential air travellers infected with SARS-CoV-2, with the latter requiring a negative pre-departure test result. The number of travellers arriving infected (i.e. imported cases) depended on air travel volumes, SARS-CoV-2 exposure risk in the departure country, prior infection or vaccine acquired immunity, and, for non-essential travellers, screening from pre-departure molecular testing. Importation risk was estimated weekly from July to November 2021 as the number of imported cases and percent positivity (PP; i.e. imported cases normalised by travel volume). The impact of pre-departure testing was assessed by comparing three scenarios: baseline (pre-departure testing of all non-essential travellers; most probable importation risk given the pre-departure testing requirements), counterfactual scenario 1 (no pre-departure testing of fully vaccinated non-essential travellers), and counterfactual scenario 2 (no pre-departure testing of non-essential travellers). RESULTS: In the baseline scenario, weekly imported cases and PP varied over time, ranging from 145 to 539 cases and 0.15 to 0.28%, respectively. Most cases arrived from the USA, Mexico, the United Kingdom, and France. While modelling suggested that essential travellers had a higher weekly PP (0.37 - 0.65%) than non-essential travellers (0.12 - 0.24%), they contributed fewer weekly cases (62 - 154) than non-essential travellers (84 - 398 per week) given their lower travel volume. Pre-departure testing was estimated to reduce imported cases by one third (counterfactual scenario 1) to one half (counterfactual scenario 2). CONCLUSIONS: The model results highlighted the weekly variation in importation by traveller group (e.g., reason for travel and country of departure) and enabled a framework for measuring the impact of pre-departure testing requirements. Quantifying the contributors of importation risk through mathematical simulation can support the design of appropriate public health policy on border measures.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».