The interaction between population age structure and policy interventions on the spread of COVID-19
Notice bibliographique
Résumé
COVID-19 has triggered an unprecedented public health crisis and a global economic shock. As countries and cities have transitioned away from strict pandemic restrictions, the most effective reopening strategies may vary significantly based on their demographic characteristics and social contact patterns. In this study, we employed an extended age-specific compartment model that incorporates population mobility to investigate the interaction between population age structure and various containment interventions in New York, Los Angeles, Daegu, and Nairobi - four cities with distinct age distributions that served as local epicenters of the epidemic from January 2020 to March 2021. Our results demonstrated that individual social distancing or quarantine strategies alone cannot effectively curb the spread of infection over a one-year period. However, a combined strategy, including school closure, 50 % working from home, 50 % reduction in other mobility, 10 % quarantine rate, and city lockdown interventions, can effectively suppress the infection. Furthermore, our findings revealed that social-distancing policies exhibit strong age-specific effects, and age-targeted interventions can yield significant spillover benefits. Specifically, reducing contact rates among the population under 20 can prevent 14 %, 18 %, 56 %, and 99 % of infections across all age groups in New York, Los Angeles, Daegu, and Nairobi, respectively, surpassing the effectiveness of policies exclusively targeting adults over 60 years old. In particular, to protect the elderly, it is essential to reduce contacts between the younger population and people of all age groups, especially those over 60 years old. While an older population structure may escalate fatality risk, it might also decrease infection risk. Moreover, a higher basic reproduction number amplifies the impact of an older population structure on the fatality risk of the elderly. The considerable variations in susceptibility, severity, and mobility across age groups underscore the need for targeted interventions to effectively control the spread of COVID-19 and mitigate risks in future pandemics.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».