Investigating the Relationships Between COVID-19 Cases, Public Health Interventions, Vaccine Coverage, and Temperature in Ontario and Toronto
Notice bibliographique
Résumé
Introduction: We examined the relationship between COVID-19 cases and Public Health Interventions (PHIs). We also explored the relationship between cases and vaccine, and temperature. We compared the results with published mathematical models. Methods: We developed monthly PHI scores using the Oxford COVID-19 Government Response Tracker for May 2020 to May 2021. We calculated PHI scores by summing the highest monthly score of each intervention and expressed the PHI score as a percentage of the maximum. We obtained vaccine coverage and temperature data from January 2021 to September 2023. We calculated Spearman’s rank-order correlation coefficients to examine correlations. Results: Correlation for cases and PHI was positive (r = 0.947, p <.0001). Correlation for cases and vaccine coverage was approximately zero (r = 0.0165, p = 0.957) for January 2021 to January 2022, and negative for February 2022 to September 2023 (r = -0.816, p <.0001). Correlation for cases and temperature was negative for January 2021 to January 2022 (r = -0.676, p = 0.0112), and almost zero for February 2022 to September 2023 (r = -0.162, p = 0.494). Models showed negative correlation for PHI and vaccine coverage, and mixed results for temperature. Conclusion: There was a positive correlation between cases and PHI. Prior to vaccine threshold coverage, there was no correlation for vaccination and negative correlation for temperature. Post vaccine threshold, there was a negative correlation for vaccination and no correlation for temperature. Correlation results for PHI and temperature differed from mathematical models.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».