The influence of case factors and system factors on the timeliness of testing and contact tracing for COVID-19 in The Netherlands
Notice bibliographique
Résumé
Source and contact tracing (SCT) is essential to control the transmission of SARS-CoV-2, and the timeliness of SCT is crucial. As little is known about its real-world effectiveness, we investigated the timeliness of SCT in the Netherlands and its determinants. We used routine COVID-19 SCT data from all individuals who tested positive for SARS-CoV-2 at nine Dutch public health services between 1 June 2020 and 28 February 2021 (N = 384 591). We calculated median time intervals between SCT stages. We used multilevel logistic regression to study associations between case factors and system factors, and total SCT delay (symptom onset to SCT initiation >3 days), patient delay (symptom onset to making test appointment >1 day), and response delay (making test appointment to SCT initiation >2 days). The median total SCT interval time was 3 days (interquartile range 2-5). Older age and being a migrant had higher odds of delay; working in health care or education had lower odds of delay. A higher caseload and a scaled-down SCT had higher odds of delay. For age and country of birth, stronger associations with patient delay, and weaker associations with response delay were found. Although SCT during the COVID-19 pandemic might have had merits in prompting people to isolate or quarantine before the availability of a vaccine, the observed interval times indicate that SCT was not fast enough to have a large effect on interrupting transmission chains. Although promising, the added value of digital SCT tools remains uncertain.
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 | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».