Associations between meteorological factors and COVID-19: a global scoping review
Notice bibliographique
Résumé
Background: Many respiratory viruses and their associated diseases are sensitive to meteorological factors. For SARS-CoV-2 and COVID-19, evidence on this sensitivity is inconsistent. Understanding the influence of meteorological factors on SARS-CoV-2 transmission and COVID-19 epidemiology can help to improve pandemic preparedness. Objectives: This review aimed to examine the recent evidence about the relation between meteorological factors and SARS-CoV-2/COVID-19. Methods: We conducted a global scoping review of peer-reviewed studies published from January 2020 up to January 2023 about the associations between temperature, solar radiation, precipitation, humidity, wind speed, and atmospheric pressure and SARS-CoV-2/COVID-19. Results: From 9,156 initial records, we included 474 relevant studies. Experimental studies on SARS-CoV-2 provided consistent evidence that higher temperatures and solar radiation negatively affect virus viability. Studies on COVID-19 (epidemiology) were mostly observational and provided less consistent evidence. Several studies considered interactions between meteorological factors or other variables such as demographics or air pollution. None of the publications included all determinants holistically. Discussion: The association between short-term meteorological factors and SARS-CoV-2/COVID-19 dynamics is complex. Interactions between environmental and social components need further consideration. A more integrated research approach can provide valuable insights to predict the dynamics of respiratory viruses with pandemic potential.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».