MétaCan
Menu
Retour à la cohorte
Enregistrement W4396502685 · doi:10.14745/ccdr.v50i34a04

Impact of the COVID-19 pandemic on inbound air travel to Canada

2024· article· en· W4396502685 sur OpenAlexafffundvenueabout
Vanessa Gabriele-Rivet, Erin E. Rees, Afnan Rahman, Rachael M. Milwid

Notice bibliographique

RevueCanada Communicable Disease Report · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueAviation Industry Analysis and Trends
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesPublic Health AgencyPublic Health Agency of Canada
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Air travelGeographyAeronauticsVirologyAviationMedicineOutbreakEngineeringAerospace engineeringInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: Commercial air travel can result in global dispersal of infectious diseases. During the coronavirus disease 2019 (COVID-19) pandemic, many countries implemented border measures, including restrictions on air travel, to reduce the importation risk of COVID-19. In the context of inbound air travel to Canada, this study aimed to: 1) characterize travel trends before and during the pandemic, and 2) statistically assess the association between travel volumes and travel restrictions during the pandemic. Methods: Monthly commercial air travel volume data from March 2017 to February 2023 were obtained from the International Air Transport Association (IATA). National and airport-level travel trends to Canada were characterized by inbound travel volumes, the number of countries contributing travellers and the ranking of the top ten countries contributing travellers across the study period, by six year-length subperiod groupings (three pre-pandemic and three pandemic). Using seasonal autoregressive integrated moving average (SARIMA) models, interrupted time series (ITS) analyses assessed the association between major travel restrictions and travel volumes by including variables to represent changes to the level and slope of the time series. Results: The pre-pandemic inbound travel volume increased by 3% to 7% between consecutive subperiods, with three seasonal peaks (July-August, December-January, March). At the onset of the pandemic, travel volume decreased by 90%, with the number of contributing countries declining from approximately 200 to 140, followed by a slow recovery in volume and seasonality. A disruption in the ranking of countries that contributed travellers was also noticeable during the pandemic. Results from the ITS analysis aligned with the timing of travel restrictions as follows: implementation in March 2020 coincided with a sharp reduction in volumes, while the easing of major restrictions, starting with the authorization of fully vaccinated travellers from the United States to enter Canada in August 2021, coincided with an increase in the slope of travel volumes. Descriptive and statistical results suggest a near-return of pre-pandemic travel patterns by the end of the study period. Conclusion: Study results suggest resilience in commercial air travel into Canada. Although the COVID-19 pandemic led to a disruption in travel trends, easing of travel restrictions appeared to enable pre-pandemic trends to re-emerge. Understanding trends in air travel volumes, as demonstrated here, can provide information that supports preparedness and response regarding importation risk of infectious pathogens.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,018
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,070
Tête enseignante GPT0,294
Écart entre enseignants0,224 · 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

Citations0
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanada Communicable Disease ReportMême sujetAviation Industry Analysis and TrendsTravaux en français237 207