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 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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,010 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».