Cet article est une Preprint
Les preprints sont des rapports de recherche préliminaires qui n'ont pas été certifiés par l’évaluation par les pairs. Ils ne devraient pas être considérés comme guidant la pratique clinique ou les comportements liés à la santé et ne devraient pas être rapportés dans les médias comme des informations établies.
Les preprints publiées en ligne permettent aux auteurs de recevoir des commentaires rapidement, et toute la communauté scientifique peut évaluer indépendamment le travail et répondre en conséquence. Ces commentaires sont publiés avec les preprints que quiconque peut lire et servir d’évaluation post-publication.
COVID-19 reopening strategies at the county level in the face of uncertainty: Multiple Models for Outbreak Decision Support (preprint)
medrxiv; 2020.
Preprint
Dans Anglais
| medRxiv | ID: ppzbmed-10.1101.2020.11.03.20225409
ABSTRACT
Policymakers make decisions about COVID-19 management in the face of considerable uncertainty. We convened multiple modeling teams to evaluate reopening strategies for a mid-sized county in the United States, in a novel process designed to fully express scientific uncertainty while reducing linguistic uncertainty and cognitive biases. For the scenarios considered, the consensus from 17 distinct models was that a second outbreak will occur within 6 months of reopening, unless schools and non-essential workplaces remain closed. Up to half the population could be infected with full workplace reopening; non-essential business closures reduced median cumulative infections by 82%. Intermediate reopening interventions identified no win-win situations; there was a trade-off between public health outcomes and duration of workplace closures. Aggregate results captured twice the uncertainty of individual models, providing a more complete expression of risk for decision-making purposes.
Texte intégral:
Disponible
Collection:
Preprints
Base de données:
medRxiv
Sujet Principal:
Troubles de la cognition
/
COVID-19
langue:
Anglais
Année:
2020
Type de document:
Preprint
Documents relatifs à ce sujet
MEDLINE
...
LILACS
LIS