データ駆動型戦略によるCOVID-19パンデミック中のモデル情報に基づいた意思決定：系統的レビュー

科学分野:

• 疫学と公衆衛生
• 数理モデリング
• 感染症制御

背景:

• COVID-19パンデミックは、公衆衛生介入の迅速な評価を必要としました。
• データ駆動型モデリングは、病気の制御のための意思決定に情報を提供するために重要な役割を果たします。

研究 の 目的:

• COVID-19介入の有効性に関するデータ駆動型モデリング研究を系統的にレビューすること。
• 病気の蔓延を制御するために頻繁に報告されている効果的な対策を特定すること。

主な方法:

• 実世界のデータを使用した経験的、介入ベースのモデリング研究の系統的レビュー。
• PubMed、Web of Science、およびEmbaseでの文献検索（2020年1月～2024年10月）。
• 介入を追跡、検査、隔離（TTI）、身体的および社会的距離確保（PSD）、ワクチン接種、ロックダウン、マスク着用、ホームオフィス/ステイアットホーム（HOSH）、および健康インフラ強化（HIE）に分類しました。

主要な成果:

• 包含基準を満たした126の研究が特定され、区画モデルが最も一般的でした。追跡、検査、隔離（TTI）、身体的および社会的距離確保（PSD）、ワクチン接種、ロックダウン、マスク着用、およびHOSHが、効果的であると頻繁に報告されました。研究頻度に対する有効性を考慮すると、TTI、HOSH、マスク着用、HIE、PSD、およびロックダウンが上位の介入でした。
• 126件の研究が包含基準を満たし、区画モデルが最も一般的でした。追跡、検査、隔離（TTI）、身体的および社会的距離確保（PSD）、ワクチン接種、ロックダウン、マスク着用、およびHOSHは、効果的であると頻繁に報告されました。研究頻度に対する有効性を考慮すると、TTI、HOSH、マスク着用、HIE、PSD、およびロックダウンが上位の介入でした。

結論:

• データ駆動型モデルは、COVID-19対応戦略を導くために不可欠です。
• 複合的な非薬物的介入、堅牢な検査、追跡、および健康インフラの強化は、証拠によって裏付けられています。
• 実世界への影響は、地域の能力、社会経済的要因、および文化的文脈に依存します。適応型モデリングは、将来の準備に不可欠です。