Infectivity and fatality of influenza in pre- and post-COVID-19 pandemic year
Notice bibliographique
Résumé
The COVID-19 pandemic and related non-pharmaceutical interventions (NPIs) significantly alter the transmission dynamics of non-SARS-CoV-2 infectious diseases, with respiratory infections such as influenza being disproportionately affected. We aim to compare influenza's epidemiological characteristics between pre-pandemic and post-pandemic periods to inform public health responses. We develop two influenza transmission models incorporating age structure and multi-strain dynamics, featuring time-varying transmission and mortality rates. Using publicly available U.S. data, we calibrate these models to evaluate age- and strain-specific transmission patterns and mortality rates across different pandemic eras. Our analysis reveals that during the final pandemic year, influenza transmission among adults ([Formula: see text] years) initially declined but rebounded to pre-pandemic levels within the first post-pandemic year following NPI relaxation and behavioral normalization, while transmission stability persists in the <18 cohort. All-age influenza mortality rates exhibit a transient elevation during the pandemic's final year before returning to baseline levels pre-pandemic. Furthermore, after the COVID-19 pandemic, the transmission rate of influenza A decreases alongside peaks in new cases, while the transmission of influenza B fluctuates without a decline. Our findings indicate that while the COVID-19 pandemic has induced significant transient modifications in influenza's epidemiological profile, key transmission and mortality characteristics regain pre-pandemic equilibrium within one year following pandemic resolution.
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 | 0,001 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».