Meteorological factors, population immunity, and COVID-19 incidence: A global multi-city analysis
Notice bibliographique
Résumé
Objectives: While COVID-19 continues to challenge the world, meteorological variables are thought to impact COVID-19 transmission. Previous studies showed evidence of negative associations between high temperature and absolute humidity on COVID-19 transmission. Our research aims to fill the knowledge gap on the modifying effect of vaccination rates and strains on the weather-COVID-19 association. Methods: Our study included COVID-19 data from 439 cities in 22 countries spanning 3 February 2020 - 31 August 2022 and meteorological variables (temperature, relative humidity, absolute humidity, solar radiation, and precipitation). We used a two-stage time-series design to assess the association between meteorological factors and COVID-19 incidence. For the exposure modeling, we used distributed lag nonlinear models with a lag of up to 14 days. Finally, we pooled the estimates using a random effect meta-analytic model and tested vaccination rates and dominant strains as possible effect modifiers. Results: Our results showed an association between temperature and absolute humidity on COVID-19 transmission. At 5 °C, the relative risk of COVID-19 incidence is 1.22-fold higher compared to a reference level at 17 °C. Correlated with temperature, we observed an inverse association for absolute humidity. We observed a tendency of increased risk on days without precipitation, but no association for relative humidity and solar radiation. No interaction between vaccination rates or strains on the weather-COVID-19 association was observed. Conclusions: This study strengthens previous evidence of a relationship of temperature and absolute humidity with COVID-19 incidence. Furthermore, no evidence was found that vaccinations and strains significantly modify the relationship between environmental factors and COVID-19 transmission.
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 | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».