Towards a comprehensive COVID-19 non-pharmaceutical interventions’ index for the province of Québec
Notice bibliographique
Résumé
OBJECTIVES: The primary objective of this project was to develop a comprehensive COVID-19 non-pharmaceutical interventions' index for the province of Québec (QCnPI-Index). The resulting database systematically categorizes, multiple non-pharmaceutical interventions implemented in the 17 administrative regions (AR) of the province of Québec to mitigate the spread of COVID-19 in the form of an index. DATA DESCRIPTION: Data represent interventions and groups of interventions implemented during the COVID-19 period in Québec. They are a compilation of policies, guidelines, and governmental interventions related to COVID-19, considering temporal and geographical dimensions. Data were collected for all 17 AR of Québec using dates as unit of analysis, from March 2020 to April 2022. They were first collected and then coded by an interdisciplinary research team to form the foundation of the QCnPI-Index. CONTRIBUTION: This quantitative instrument offers the necessary granularity for nuanced spatial and temporal studies within the province of Québec, using AR, for instance, as unit of analysis. With this database, pre-, during-, and post-COVID periods can thus be better analyzed. Additionally, the innovative methodologies employed for data collection, coding, and weighting offer valuable insights that may have broader applications in public health, epidemiology, and other research domains. The QCnPI-Index could be instrumental for public health, epidemiology, and transportation researchers investigating the multifaceted impacts of non-pharmaceutical interventions on various societal domains, such as road safety, alcohol and cannabis consumption, and/or mental health, in the province of Québec.
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 | 0,101 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».