Arguments pour une possible transmission par voie aérienne du SARS-CoV-2 dans la crise COVID-19
Bibliographic record
Abstract
Résumé La connaissance des modes de transmission du SARS-CoV-2 est un élément fondamental dans l’élaboration des stratégies de prévention en santé au travail et en santé publique dans le cadre de la gestion de crise du Covid-19. Le SARS-CoV-2 est retrouvé dans les voies aériennes des patients, y compris asymptomatiques. Les données récentes de la littérature suggèrent un risque de transmission du SARS-CoV-2 par voie aérienne qui a probablement été sous-estimé, notamment via des aérosols générés par la toux ou les éternuements, mais aussi plus simplement la parole et la respiration, et donc la composition est majoritairement le fait de particules dont le diamètre est inférieur ou égal à 1 μm. Des données préliminaires montrent la présence d’ARN viral dans l’air et sur des surfaces distantes des patients sources. Cependant, il est important de noter que la détection de matériel génétique viral par RT-PCR ne signifie pas que le virus soit vivant et infectant. En fonction de données sur la quantification du pouvoir infectant des aérosols de petite taille et si l’hypothèse d’une telle transmission était confirmée, les indications de port des protections respiratoires de type FFP2 mériteraient d’être élargies, notamment en milieu de soin.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".