Mobility changes following COVID-19 stay-at-home policies varied by socioeconomic measures: An observational study in Ontario, Canada
Notice bibliographique
Résumé
In Canada, lower income households and essential workers were disproportionately at risk of SARS-CoV-2. Early in the pandemic, stay-at-home restriction policies were used to limit virus transmission. There remains an evidence gap in how changes in mobility, in response to the policies, varied across socioeconomic measures in Canada. The study objective was to describe the variability in mobility change to two restrictions, by neighborhood-level income and by proportion essential workers across five regions in Ontario, Canada. The first restriction was implemented on March 17, 2020 in all five regions; and the second restriction was implemented in November 23, 2020 in two of the regions. Using cell-phone mobility data aggregated to the census tract, we compared the average mobility (% of devices that travelled outside their "primary location") three weeks before and after each restriction. We defined the adjusted mobility change via pre-restriction mobility subtracted from post-restriction, adjusted for 2019 levels. We used difference-in-differences analysis to quantify effect modification of the second restriction's effect by socioeconomic measures. With the first restriction, crude mobility fell from 77.7% to 41.6% across the five regions. The adjusted mobility change to the first restriction was largest in the highest-income neighborhoods (-43.3% versus -38.4%) and in neighborhoods with the fewest essential workers (-44.5% versus -37.6%). The overall adjusted mobility change to the second restriction was small: -0.96% (95% confidence intervals, -1.53 to -0.38%). However, there was evidence of effect modification by socioeconomic measures (less pronounced decrease in lower-income neighborhoods and more essential workers). The findings suggest a temporal saturation effect of restrictions over subsequent waves, and a saturation effect by income and occupation, leading to prevention gaps across populations by socioeconomic measures. Findings highlight the need for tailored approaches at the intersections of income and occupation when addressing epidemics of novel and resurging respiratory 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 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 | 0,006 |
| 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 | 0,001 | 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 ».