Security models and protocols for the reopening of schools in the COVID-19 pandemic: a systematic review
Bibliographic record
Abstract
Revisión sistemática sobre los modelos y protocolos de seguridad para la reapertura de colegios en pandemia por COVID-19. Objetivo: Determinar los resultados y clasificar la especificación técnica y metodológica de los modelos y protocolos de seguridad para la reapertura de los colegios. Métodos: Se realizó una revisión sistemática en base a la declaración PRISMA 2020 y utilizamos Pubmed, Scopus, Web of Science, Embase, CINAHL y Tripdatabase para la información bibliográfica. Se incluyó estudios transversales, cohortes, casos control y ensayos comunitarios sin limitación referida al idioma. En el desenlace se describieron los modelos y protocolos de seguridad para la reapertura de colegios en pandemia por COVID-19 y utilizamos el Newcastle Ottawa Scale (NOS) y NOS modificada para el análisis de riesgo de sesgo. Resultados: De 27 estudios que pasaron a la fase de selección por texto completo, sólo 14 pasaron a la fase de revisión sistemática. Se clasificaron en modelo simulado (subclasificándose en Modelo Basado en Agentes, Modelo Basado en Individuo, Modelo Estocástico Basado en Individuo y Modelo Estocástico Compartimental) y modelo no simulado. Discusión: Se hallaron 16 estrategias distintas entre los modelos clasificados. Entre ellas, usar la mascarilla, el distanciamiento social y una adecuada higiene dentro de las aulas generaría tasas de transmisión reducidas. El rastreo de contactos ayudaría a ubicar a las personas asintomáticas en relación al contacto con sujetos sintomáticos o confirmados de COVID-19. Otras estrategias son la reapertura progresiva y la vacunación a los docentes y personal que reduciría el riesgo de brote entre los estudiantes.
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 | 0.049 | 0.173 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.005 | 0.014 |
| Bibliometrics | 0.011 | 0.008 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".