Effets du climat et des interventions de santé publique sur la pandémie de COVID-19 : une étude de cohorte prospective
Bibliographic record
Abstract
RÉSUMÉ CONTEXTE: On ignore si les variations climatiques saisonnières, la fermeture des établissements scolaires ou d’autres interventions de santé publique entraîneront un ralentissement de la pandémie actuelle de maladie à coronavirus 2019 (COVID-19). Nous avons voulu déterminer si de façon globale la progression de l’épidémie est associée au climat ou aux interventions de santé publique visant à réduire la transmission du coronavirus du syndrome respiratoire aigu sévère 2 (SRAS-CoV-2). MÉTHODES: Nous avons procédé à une étude de cohorte prospective des 144 régions géopolitiques de la planète (375 609 cas) présentant au moins 10 cas de COVID-19, avec transmission locale, en date du 20 mars 2020, à l’exclusion de la Chine, de la Corée du Sud, de l’Iran et de l’Italie. Par analyse de régression à effets aléatoires pondérée, nous avons évalué le lien entre la progression de l’épidémie (exprimée sous forme de rapports de taux d’incidence [RTI] comparant les nombres cumulatifs de cas de COVID-19 du 27 mars 2020 à ceux du 20 mars 2020) avec les facteurs de latitude, température, humidité, fermeture des établissements scolaires, interdiction des grands rassemblements et mesures d’éloignement social qui étaient en place les 7 et 13 mars 2020 (période de 14 jours antérieure à l’évaluation). RÉSULTATS: Les analyses univariées ont révélé aucuns lien entre la progression de l’épidémie et les facteurs de latitude et de température, mais des liens négatifs faibles avec l’humidité relative (RTI par 10 %, 0,91, intervalle de confiance [IC] de 95 % 0,85–0,96) et l’humidité absolue (RTI par 5 g/m3 0,92, IC à 95 % 0,85–0,99). Des liens étroits ont été observés avec l’interdiction des grands rassemblements (RTI 0,65, IC à 95 % 0,53–0,79), la fermeture des établissements scolaires (RTI 0,63, IC à 95 % 0,52–0,78) et les mesures d’éloignement social (RTI 0,62, IC à 95 % 0,45–0,85). Dans un modèle multivarié, on a noté un lien étroit avec le nombre de mesures déployées par la santé publique (p pour tendance = 0,001), tandis que le lien avec l’humidité absolue s’atténuait. INTERPRÉTATION: La progression de l’épidémie de COVID-19 ne s’est pas révélée en lien avec la latitude ni avec la température, mais faiblement en lien avec l’humidité relative ou absolue. À l’inverse, les interventions de santé publique ont été étroitement associées à un ralentissement de la progression de l’épidémie.
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 | 0.018 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".