Aide multicritère à la décision pour l'évaluation du risque de transmission de la COVID-19 dans les lieux de rassemblement
Bibliographic record
Abstract
Contexte : La pandémie de maladie à coronavirus 2019 (COVID-19) s'est avérée un défi de santé publique sans précédent.Avant la vaccination, des interventions non pharmaceutiques, notamment des fermetures, ont été nécessaires pour aider à contrôler l'épidémie.Avec l'arrivée de variants préoccupants et une couverture vaccinale insuffisante de la population, l'évaluation continue du risque de transmission dans les milieux et le recours à des interventions non pharmaceutiques sont nécessaires pour aider à contrôler l'épidémie.Le but de cette étude était de produire un cadre pour évaluer le risque de transmission dans des milieux où les personnes se rassemblent et pour éclairer la prise de décision.Méthodes : Un processus d'aide multicritère à la décision a été utilisé pour structurer le cadre.Quinze critères ont été jugés importants dans la prise en compte du risque de transmission de la COVID-19 selon la littérature.Cette liste de critères a été classée par des experts, puis catégorisée.L'analyse a été structurée en fonction de la liste consensuelle de critères et du positionnement relatif de chaque critère dans la liste pour produire des ensembles de facteurs à considérer lors de l'évaluation du risque de transmission lors de rassemblements.Résultats : Quinze experts de tout le Canada ont participé au classement des critères.On a constaté un fort consensus sur l'importance relative des critères, et ce consensus relatif a été utilisé pour créer quatre catégories : critique (3 critères), important (6 critères), à considérer (5 critères) et si le temps le permet (1 critère).Conclusion : La liste consensuelle et les catégories qui en résultent constituent un ensemble d'éléments importants qui peuvent être appliqués comme cadre objectif et transparent d'évaluation du risque de transmission associé à n'importe quel site d'événement.De pair avec un examen plus approfondi de l'épidémiologie locale de la COVID-19, une évaluation globale du risque de transmission peut être établie et appliquée uniformément.
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 | 0.117 | 0.209 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.006 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 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".