Bibliographic record
Abstract
Notat om effekten af nedlukning frem til julEkspertgruppen for matematisk modellering, som er ledet af SSI, har i dette notat udført en række beregninger, der estimerer effekten på smitten med covid-19, ved en delvis regional nedlukning i perioden frem til jul.Ekspertgruppen anvendte under nedlukningen i foråret en populationsmodel til at beregne effekten af tiltag og ophævelsen af disse.Ekspertgruppen vurderer, at det ikke umiddelbart er tilrådeligt at modellere en delvis regional nedlukning i perioden op til jul, i en såkaldt populationsmodel.Det skyldes, at usikkerheder omkring de antagelser og data (parametre), som vil skulle bruges til at belyse effekten af en delvis nedlukning frem til jul, er alt for store fx antagelser om konsekvenserne af en nedlukning og befolkningens kontaktmønstre.For at belyse spørgsmålet har ekspertgruppen lavet en række beregninger, der har fokus på den nuværende smittesituation i Region Hovedstaden. Notatet består af 7 afsnit: Afsnit 1 er en sammenfatning af notatets hovedpointer. Afsnit 2 beskriver en række betydelige forbehold ved Ekspertgruppens beregninger.Særligt er det vigtigt at understrege, at Ekspertgruppen ikke kan forudsige, hvordan befolkningen vil opføre sig ved en delvis nedlukning frem til jul.Det er et væsentligt forbehold, idet de beregnede effekter af nedlukningen, er betinget af den faktiske adfærdsændring i befolkningen. Afsnit 3 beskriver erfaringer med udviklingen i smittetallet henover efterårsferien. Afsnit 4: Ud fra erfaringer fra efterårsferien, estimeres hvordan smittetallet kan se ud henover julen, med to scenarier for smittetallet før jul. Afsnit 5 estimerer hvad en delvis nedlukning kan betyde for kontakttallet.Beregningerne er baseret på smittetal før og efter nedlukningen i syv kommuner i Nordjylland i november 2020.Beregningerne viser den estimerede effekt på kontakttallet, ved en tilsvarende regional nedlukning frem til jul, henover julen, og i starten af det nye år. Afsnit 6 beskriver udviklingen i smitte fordelt på 10-års aldersgrupper i Region Hovedstaden i den seneste måned. Afsnit 7 estimerer den procentvise reduktion i incidens af covid-19 ved en hel eller delvis nedlukning i en række Europæiske lande i efteråret 2020.Ekspertgruppen ønsker at understrege, at for at en tidlig delvis regional nedlukning skal have den ønskede effekt, skal den implementeres, der hvor smitten spreder sig mest.På nuværende tidspunkt spreder smitten sig ulige i regioner og aldersgrupper, hvorfor en delvis nedlukning skal reducere smittespredningen mest i de grupper/områder hvor smittespredningen med covid-19 er udtalt.
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 | 0.005 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.052 | 0.007 |
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".