Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
Meta-Analysis
. 2020 Oct 5:10:CD013717.
doi: 10.1002/14651858.CD013717.

Travel-related control measures to contain the COVID-19 pandemic: a rapid review

Jacob Burns #  1   2 , Ani Movsisyan #  1   2 , Jan M Stratil  1   2 , Michaela Coenen  1   2 , Karl Mf Emmert-Fees  3 , Karin Geffert  1   2 , Sabine Hoffmann  1   2 , Olaf Horstick  4 , Michael Laxy  3 , Lisa M Pfadenhauer  1   2 , Peter von Philipsborn  1   2 , Kerstin Sell  1   2 , Stephan Voss  1   2 , Eva Rehfuess  1   2
Affiliations
Meta-Analysis

Travel-related control measures to contain the COVID-19 pandemic: a rapid review

Jacob Burns et al. Cochrane Database Syst Rev. .

Update in

  • International travel-related control measures to contain the COVID-19 pandemic: a rapid review.
    Burns J, Movsisyan A, Stratil JM, Biallas RL, Coenen M, Emmert-Fees KM, Geffert K, Hoffmann S, Horstick O, Laxy M, Klinger C, Kratzer S, Litwin T, Norris S, Pfadenhauer LM, von Philipsborn P, Sell K, Stadelmaier J, Verboom B, Voss S, Wabnitz K, Rehfuess E. Burns J, et al. Cochrane Database Syst Rev. 2021 Mar 25;3(3):CD013717. doi: 10.1002/14651858.CD013717.pub2. Cochrane Database Syst Rev. 2021. PMID: 33763851 Free PMC article.

Abstract
in English, German, Korean, Thai, Persian, French, Spanish

Background: In late 2019, first cases of coronavirus disease 2019, or COVID-19, caused by the novel coronavirus SARS-CoV-2, were reported in Wuhan, China. Subsequently COVID-19 spread rapidly around the world. To contain the ensuing pandemic, numerous countries have implemented control measures related to international travel, including border closures, partial travel restrictions, entry or exit screening, and quarantine of travellers.

Objectives: To assess the effectiveness of travel-related control measures during the COVID-19 pandemic on infectious disease and screening-related outcomes.

Search methods: We searched MEDLINE, Embase and COVID-19-specific databases, including the WHO Global Database on COVID-19 Research, the Cochrane COVID-19 Study Register, and the CDC COVID-19 Research Database on 26 June 2020. We also conducted backward-citation searches with existing reviews.

Selection criteria: We considered experimental, quasi-experimental, observational and modelling studies assessing the effects of travel-related control measures affecting human travel across national borders during the COVID-19 pandemic. We also included studies concerned with severe acute respiratory syndrome (SARS) and Middle East respiratory syndrome (MERS) as indirect evidence. Primary outcomes were cases avoided, cases detected and a shift in epidemic development due to the measures. Secondary outcomes were other infectious disease transmission outcomes, healthcare utilisation, resource requirements and adverse effects if identified in studies assessing at least one primary outcome.

Data collection and analysis: One review author screened titles and abstracts; all excluded abstracts were screened in duplicate. Two review authors independently screened full texts. One review author extracted data, assessed risk of bias and appraised study quality. At least one additional review author checked for correctness of all data reported in the 'Risk of bias' assessment, quality appraisal and data synthesis. For assessing the risk of bias and quality of included studies, we used the Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2) tool for observational studies concerned with screening, ROBINS-I for observational ecological studies and a bespoke tool for modelling studies. We synthesised findings narratively. One review author assessed certainty of evidence with GRADE, and the review author team discussed ratings.

Main results: We included 40 records reporting on 36 unique studies. We found 17 modelling studies, 7 observational screening studies and one observational ecological study on COVID-19, four modelling and six observational studies on SARS, and one modelling study on SARS and MERS, covering a variety of settings and epidemic stages. Most studies compared travel-related control measures against a counterfactual scenario in which the intervention measure was not implemented. However, some modelling studies described additional comparator scenarios, such as different levels of travel restrictions, or a combination of measures. There were concerns with the quality of many modelling studies and the risk of bias of observational studies. Many modelling studies used potentially inappropriate assumptions about the structure and input parameters of models, and failed to adequately assess uncertainty. Concerns with observational screening studies commonly related to the reference test and the flow of the screening process. Studies on COVID-19 Travel restrictions reducing cross-border travel Eleven studies employed models to simulate a reduction in travel volume; one observational ecological study assessed travel restrictions in response to the COVID-19 pandemic. Very low-certainty evidence from modelling studies suggests that when implemented at the beginning of the outbreak, cross-border travel restrictions may lead to a reduction in the number of new cases of between 26% to 90% (4 studies), the number of deaths (1 study), the time to outbreak of between 2 and 26 days (2 studies), the risk of outbreak of between 1% to 37% (2 studies), and the effective reproduction number (1 modelling and 1 observational ecological study). Low-certainty evidence from modelling studies suggests a reduction in the number of imported or exported cases of between 70% to 81% (5 studies), and in the growth acceleration of epidemic progression (1 study). Screening at borders with or without quarantine Evidence from three modelling studies of entry and exit symptom screening without quarantine suggests delays in the time to outbreak of between 1 to 183 days (very low-certainty evidence) and a detection rate of infected travellers of between 10% to 53% (low-certainty evidence). Six observational studies of entry and exit screening were conducted in specific settings such as evacuation flights and cruise ship outbreaks. Screening approaches varied but followed a similar structure, involving symptom screening of all individuals at departure or upon arrival, followed by quarantine, and different procedures for observation and PCR testing over a period of at least 14 days. The proportion of cases detected ranged from 0% to 91% (depending on the screening approach), and the positive predictive value ranged from 0% to 100% (very low-certainty evidence). The outcomes, however, should be interpreted in relation to both the screening approach used and the prevalence of infection among the travellers screened; for example, symptom-based screening alone generally performed worse than a combination of symptom-based and PCR screening with subsequent observation during quarantine. Quarantine of travellers Evidence from one modelling study simulating a 14-day quarantine suggests a reduction in the number of cases seeded by imported cases; larger reductions were seen with increasing levels of quarantine compliance ranging from 277 to 19 cases with rates of compliance modelled between 70% to 100% (very low-certainty evidence).

Authors' conclusions: With much of the evidence deriving from modelling studies, notably for travel restrictions reducing cross-border travel and quarantine of travellers, there is a lack of 'real-life' evidence for many of these measures. The certainty of the evidence for most travel-related control measures is very low and the true effects may be substantially different from those reported here. Nevertheless, some travel-related control measures during the COVID-19 pandemic may have a positive impact on infectious disease outcomes. Broadly, travel restrictions may limit the spread of disease across national borders. Entry and exit symptom screening measures on their own are not likely to be effective in detecting a meaningful proportion of cases to prevent seeding new cases within the protected region; combined with subsequent quarantine, observation and PCR testing, the effectiveness is likely to improve. There was insufficient evidence to draw firm conclusions about the effectiveness of travel-related quarantine on its own. Some of the included studies suggest that effects are likely to depend on factors such as the stage of the epidemic, the interconnectedness of countries, local measures undertaken to contain community transmission, and the extent of implementation and adherence.

Hintergrund: Ende 2019 wurden in Wuhan, China, erste Fälle einer neuen, durch das neuartige Coronavirus SARS‐CoV‐2 verursachten Krankheit gemeldet. In der Folge breitete sich COVID‐19 schnell auf der ganzen Welt aus. Um die Pandemie einzudämmen, haben zahlreiche Länder Kontrollmaßnahmen bezüglich des internationalen Reiseverkehrs eingeführt, darunter Grenzschließungen, Reisebeschränkungen, Screenings bei Ein‐ oder Ausreise und Quarantänen für Reisende.

Zielsetzungen: Das Ziel der Arbeit war die Bewertung der Wirksamkeit von reisebezogenen Kontrollmaßnahmen während der COVID‐19‐Pandemie in Bezug auf infektionsepidemiologische und Screening‐bezogene Endpunkte.

Suchstrategie: Wir durchsuchten die wissenschaftlichen Datenbanken MEDLINE und Embase sowie COVID‐19‐spezifische Datenbanken, darunter die Globale WHO‐Datenbank zur COVID‐19‐Forschung, das Cochrane COVID‐19 Studienregister und die CDC‐Datenbank zur COVID‐19‐Forschung am 26. Juni 2020. Wir führten auch eine Literatursuche in den Referenzlisten bereits bestehender Reviews durch.

Auswahlkriterien: Wir zogen experimentelle, quasi‐experimentelle, Beobachtungs‐ und Modellierungsstudien in Betracht, welche die Auswirkungen von reisebezogenen Kontrollmaßnahmen auf den grenzüberschreitenden Personenverkehr während der COVID‐19‐Pandemie untersuchten. Zur indirekten Evidenzgewinnung schlossen wir auch Studien ein, die sich mit SARS (severe acute respiratory syndrome) und MERS (Middle East respiratory syndrome) beschäftigten. Primäre Endpunkte waren durch die Maßnahmen vermiedene oder entdeckte Fälle sowie Auswirkungen auf die Entwicklung der Epidemie aufgrund der Maßnahmen. Sekundäre Endpunkte waren andere Endpunkte hinsichtlich der Übertragung von Infektionskrankheiten, der Inanspruchnahme des Gesundheitssystems, des Ressourcenbedarfs und unerwünschte beziehungsweise nicht beabsichtigte Effekte der Maßnahmen, wenn sie in Studien enthalten waren, die mindestens einen primären Endpunkt erfassten. DATENSAMMLUNG UND ‐ANALYSE: Ein Reviewautor prüfte Titel und Abstracts; alle ausgeschlossenen Abstracts wurden erneut geprüft. Zwei Reviewautoren überprüften unabhängig voneinander die Volltexte. Die Datenextraktion, die Bewertung des Risikos für systematische Verzerrungen (die Bewertung des sogenannten Risiko für Bias) und die Beurteilung der Studienqualität wurden von einem Autor durchgeführt. Mindestens ein zusätzlicher Reviewautor überprüfte die Korrektheit aller Daten in der Bewertung des Biasrisikos, der Qualitätsbeurteilung und der Datensynthese. Zur Beurteilung des Risikos für Bias und der Qualität der eingeschlossenen Studien verwendeten wir das Instrument Quality Assessment of Diagnostic Accuracy Studies (QUADAS‐2) für Beobachtungsstudien, die sich mit dem Screening befassen, ROBINS‐I für ökologische Beobachtungsstudien und ein selbstentwickeltes Instrument für Modellierungsstudien. Wir fassten die Ergebnisse narrativ zusammen. Ein Reviewautor bewertete die Vertrauenswürdigkeit der Evidenz mit GRADE und das Reviewautorenteam diskutierte die Bewertungen.

Hauptergebnisse: Wir schlossen 40 Publikationen ein, die 36 Einzelstudien umfassten. Wir fanden 17 Modellierungsstudien, sieben Beobachtungs‐Screeningstudien und eine ökologische Beobachtungsstudie zu COVID‐19, vier Modellierungs‐ und sechs Beobachtungsstudien zu SARS sowie eine Modellierungsstudie zu SARS und MERS, die eine Vielzahl von Settings und Stadien der Pandemie abdecken. Die meisten Studien verglichen reisebezogene Kontrollmaßnahmen mit einem Szenario, bei dem die Interventionsmaßnahme nicht umgesetzt wurde. Einige Modellierungsstudien beschrieben allerdings zusätzliche Vergleichsszenarien, wie z.B. unterschiedliche Stufen von Reisebeschränkungen oder eine Kombination von Maßnahmen. Es gab Bedenken hinsichtlich der Qualität vieler Modellierungsstudien und des Risikos für Bias bei den Beobachtungsstudien. Viele Modellierungsstudien verwendeten möglicherweise unzutreffende Annahmen über die Struktur und die Eingabeparameter der Modelle und konnten die Unsicherheit nicht angemessen bewerten. Bedenken bei Beobachtungs‐Screeningstudien bezogen sich in der Regel auf den Referenztest und den Ablauf des Screening‐Prozesses. Studien zu COVID‐19 Reisebeschränkungen, die den grenzüberschreitenden Reiseverkehr einschränken Elf Studien setzen Modelle ein, um eine Verringerung des Reisevolumens zu simulieren und eine ökologische Beobachtungsstudie untersuchte Reisebeschränkungen als Reaktion auf die COVID‐19‐Pandemie. Evidenz von Modellierungsstudien, deren Vertrauenswürdigkeit als sehr niedrig eingeschätzt wurde, deutet darauf hin, dass grenzüberschreitende Reisebeschränkungen, wenn sie zu Beginn des Ausbruchs umgesetzt werden, zu einer Verringerung der Zahl der neuen Fälle um 26 ‐ 90 % (4 Studien), der Zahl der Todesfälle (1 Studie), einer Verringerung der Zeit bis zum Ausbruch um 2 bis 26 Tage (2 Studien), einer Verringerung des Risikos eines Ausbruchs um 1 ‐ 37 % (2 Studien) und einer Verringerung der effektiven Reproduktionszahl (1 Modellierungs‐ und 1 ökologische Beobachtungsstudie) führen könnten. Evidenz von Modellierungsstudien, deren Vertrauenswürdigkeit als niedrig eingeschätzt wurde, deutet auf eine Verringerung der Zahl der importierten oder exportierten Fälle um 70 ‐ 81 % (5 Studien) hin und auf eine Beschleunigung des Infektionsgeschehens (1 Studie). Screening an Grenzen mit oder ohne Quarantäne Evidenz aus drei Modellierungsstudien zu Screening auf Symptome bei Ein‐ und Ausreise ohne Quarantäne deutet auf eine Verzögerung in der Zeit bis zum Ausbruch von 1 bis 183 Tagen (sehr niedrige Vertrauenswürdigkeit der Evidenz) und eine Entdeckungsrate von 10 % bis 53 % bei infizierten Reisenden hin (niedrige Vertrauenswürdigkeit der Evidenz). Sechs Beobachtungsstudien zu Screenings bei Ein‐ und Ausreise wurden durchgeführt in spezifischen Settings wie Evakuierungsflügen und Ausbrüchen bei Kreuzfahrtschiffen. Die Screening‐Ansätze unterschieden sich, folgten aber einem ähnlichen Vorgehen, das ein Screening auf Symptome aller Individuen bei der Abreise oder bei der Ankunft vorsah, gefolgt von einer Quarantäne und verschiedenen Vorgehensweisen zur Beobachtung sowie zu PCR‐Tests über einen Zeitraum von mindestens 14 Tagen. Der Anteil der festgestellten Fälle lag je nach Screening‐Ansatz zwischen 0 % und 91 %, und der positive prädiktive Wert reichte von 0 % bis 100 % (sehr niedrige Vertrauenswürdigkeit der Evidenz). Die Ergebnisse sollten jedoch im Zusammenhang sowohl mit dem verwendeten Screening‐Ansatz als auch mit der Prävalenz von Infektionen unter den untersuchten Reisenden interpretiert werden; beispielsweise schnitt symptombasiertes Screening allein im Allgemeinen schlechter ab als eine Kombination aus symptombasiertem Screening und PCR‐Screening mit anschließender Beobachtung während der Quarantäne. Quarantäne von Reisende Evidenz aus einer Modellierungsstudie, die eine 14‐tägige Quarantäne simuliert, deutet auf einen Rückgang der Fälle hin, die durch importierte Fälle verursacht werden; Größere Rückgänge, die von 277 bis 19 Fälle reichten, wurden mit zunehmend besserer Einhaltung der Quarantänevorschriften festgestellt, wobei der Grad der Einhaltung mit 70 % bis 100 % modelliert wurde (sehr niedrige Vertrauenswürdigkeit der Evidenz).

Schlussfolgerungen der autoren: Da ein Großteil der Evidenz aus Modellierungsstudien stammt, insbesondere bei Beschränkungen des grenzüberschreitenden Reiseverkehrs und bei der Quarantäne von Reisenden, fehlt es für viele dieser Maßnahmen an Beweisen aus der Realität. Die Vertrauenswürdigkeit der Evidenz ist für die meisten reisebezogenen Kontrollmaßnahmen sehr niedrig, und die tatsächlichen Auswirkungen könnten sich erheblich von den hier berichteten unterscheiden. Trotzdem könnten einige reisebezogene Kontrollmaßnahmen während der COVID‐19‐Pandemie einen positiven Einfluss auf das Infektionsgeschehen haben. Im Großen und Ganzen könnten Reisebeschränkungen die Ausbreitung der Krankheit über nationale Grenzen hinweg einschränken. Maßnahmen zum Screening auf Symptome bei Einreise und Ausreise allein sind wahrscheinlich nicht wirksam, wenn es darum geht, einen relevanten Anteil der Fälle aufzudecken, um zu verhindern, dass neue Fälle sich innerhalb der von der Maßnahme geschützten Region verbreiten; in Kombination mit anschließender Quarantäne, Beobachtung und PCR‐Tests dürfte sich die Wirksamkeit wahrscheinlich verbessern. Es gab keine ausreichende Evidenz, um eindeutige Schlussfolgerungen über die Wirksamkeit von reisebezogener Quarantäne selbst zu treffen. Einige der eingeschlossenen Studien deuten darauf hin, dass die Auswirkungen wahrscheinlich von anderen Faktoren abhängen, wie z.B. dem Stadium der Epidemie, der Vernetzung zwischen den Ländern, den lokalen Maßnahmen zur Eindämmung der Übertragung auf die Bevölkerung und dem Grad der Umsetzung.

배경: 2019 년 말, 중국 우한에서 신종 코로나 바이러스 SARS‐CoV‐2로 인한 코로나 바이러스 질환 2019 또는 COVID‐19의 첫 사례가보고되었습니다. 그 후 COVID‐19는 전 세계로 빠르게 퍼졌습니다. 이어지는 전염병을 막기 위해 많은 국가에서 국경 폐쇄, 부분 여행 제한, 출입국 심사, 여행자 검역을 포함하여 국제 여행과 관련된 통제 조치를 시행했습니다. 목적: COVID‐19 대유행 기간 동안 전염병 및 검사 관련 결과에 대한 여행 관련 통제 조치의 효과를 평가합니다. 검색 전략: 우리는 2020 년 6 월 26 일에 COVID‐19 연구에 대한 WHO 글로벌 데이터베이스, Cochrane COVID‐19 연구 등록부, CDC COVID‐19 연구 데이터베이스를 포함하여 MEDLINE, Embase 및 COVID‐19 관련 데이터베이스를 검색했습니다. 또한 기존 리뷰로 역 인용 검색을 수행했습니다. 선정 기준: 우리는 COVID‐19 대유행 기간 동안 국경을 넘는 인간 여행에 영향을 미치는 여행 관련 통제 조치의 효과를 평가하는 실험, 준 실험, 관찰 및 모델링 연구를 고려했습니다. 또한 중증 급성 호흡기 증후군 (SARS) 및 중동 호흡기 증후군 (MERS)과 관련된 연구를 간접 증거로 포함했습니다. 주요 결과는 회피 된 사례, 발견 된 사례 및 조치로 인한 전염병 발달의 변화였습니다. 2 차 결과는 적어도 하나의 1 차 결과를 평가하는 연구에서 확인 된 경우 기타 감염성 질병 전파 결과, 의료 활용, 자원 요구 사항 및 부작용이었습니다. 자료 수집 및 분석: 한 리뷰 작성자가 제목과 초록을 선별했습니다. 제외 된 모든 초록은 중복 선별되었습니다. 두 명의 리뷰 저자가 독립적으로 전체 텍스트를 선별했습니다. 한 리뷰 작성자는 데이터를 추출하고 비뚤림 위험을 평가하고 연구 품질을 평가했습니다. 최소 한 명의 추가 리뷰 작성자가 '비뚤림 위험'평가, 품질 평가 및 데이터 합성에보고 된 모든 데이터의 정확성을 확인했습니다. 포함 된 연구의 편향 위험과 품질을 평가하기 위해 스크리닝과 관련된 관찰 연구에는 진단 정확도 연구의 품질 평가 (QUADAS‐2) 도구, 관찰 생태 연구에는 ROBINS‐I, 모델링 연구에는 맞춤형 도구를 사용했습니다. 우리는 결과를 서술 적으로 종합했습니다. 한 리뷰 작성자는 GRADE로 증거의 확실성을 평가했고 리뷰 작성자 팀은 등급에 대해 논의했습니다. 주요 결과: 36 개의 고유 한 연구에 대해보고하는 40 개의 기록을 포함했습니다. COVID‐19에 대한 모델링 연구 17 개, 관찰 스크리닝 연구 7 개 및 관찰 생태학 연구 1 개, SARS에 대한 4 개 모델링 및 6 개 관찰 연구, 다양한 설정과 전염병 단계를 다루는 SARS 및 MERS에 대한 모델링 연구 1 개를 발견했습니다. 대부분의 연구는 여행 관련 통제 조치를 개입 조치가 구현되지 않은 실제 시나리오와 비교했습니다. 그러나 일부 모델링 연구에서는 다른 수준의 여행 제한 또는 측정 조합과 같은 추가 비교 시나리오를 설명했습니다. 많은 모델링 연구의 질과 관찰 연구의 편향 위험에 대한 우려가있었습니다. 많은 모델링 연구는 모델의 구조 및 입력 매개 변수에 대한 잠재적으로 부적절한 가정을 사용했으며 불확실성을 적절하게 평가하지 못했습니다. 일반적으로 참조 테스트 및 스크리닝 프로세스의 흐름과 관련된 관찰 스크리닝 연구에 대한 우려. COVID‐19에 관한 연구 국경 간 여행을 줄이는 여행 제한 11 개의 연구에서 모델을 사용하여 여행 량 감소를 시뮬레이션했습니다. 한 관찰 생태학 연구에서는 COVID‐19 대유행에 대응하여 여행 제한을 평가했습니다. 모델링 연구의 매우 낮은 불확실성 증거는 발병 초기에 구현 될 때 국경을 넘는 여행 제한이 새로운 사례의 수를 26 %에서 90 % (4 개 연구)로 줄일 수 있음을 시사합니다. 사망 (1 건의 연구), 2 ~ 26 일의 발병 시간 (2 건의 연구), 1 % ~ 37 %의 발병 위험 (2 건의 연구), 효과적인 번식 횟수 (모델링 1 건, 관찰 생태 연구 1 건) ). 모델링 연구의 낮은 불확실성 증거는 수입 또는 수출 사례의 수를 70 %에서 81 % (5 개 연구)로 줄이고 전염병 진행의 성장 가속화 (1 연구)를 시사합니다. 격리 유무에 관계없이 국경에서 검사 검역없이 진입 및 퇴출 증상 스크리닝에 대한 세 가지 모델링 연구의 증거에 따르면 1 ~ 183 일 (매우 낮은 확실성 증거)의 발병 시간 지연과 10 % ~ 53 % (낮음‐ 확실성 증거). 대피 비행 및 유람선 발생과 같은 특정 환경에서 출입국 심사에 대한 6 개의 관찰 연구가 수행되었습니다. 스크리닝 접근법은 다양했지만 출발 또는 도착시 모든 개인의 증상 스크리닝, 격리, 최소 14 일 동안 관찰 및 PCR 테스트를위한 다른 절차를 포함하는 유사한 구조를 따랐습니다. 발견 된 사례의 비율은 0 %에서 91 % (스크리닝 접근 방식에 따라 다름) 였고 양성 예측 값의 범위는 0 %에서 100 % (매우 낮은 확실성 증거)였습니다. 그러나 결과는 사용 된 선별 방법과 선별 된 여행자의 감염 유병률 모두와 관련하여 해석되어야합니다. 예를 들어, 증상 기반 스크리닝만으로는 일반적으로 증상 기반 스크리닝과 PCR 스크리닝의 조합보다 성능이 좋지 않았으며 검역 중 후속 관찰이 수행되었습니다. 여행자 검역 14 일 검역을 시뮬레이션 한 한 모델링 연구의 증거는 수입 사례로 인한 사례 수 감소를 시사합니다. 70 %에서 100 % 사이로 모델링 된 준수율 (매우 낮은 확실성 증거)과 함께 277에서 19 개 케이스 범위의 검역 준수 수준이 증가함에 따라 더 큰 감소가 나타났습니다. 연구진 결론: 모델링 연구에서 파생 된 많은 증거, 특히 국경을 넘는 여행을 줄이고 여행자의 격리를 줄이는 여행 제한에 대한 많은 증거로 인해 이러한 많은 조치에 대한 '실제'증거가 부족합니다. 대부분의 여행 관련 통제 조치에 대한 증거의 확실성은 매우 낮으며 실제 효과는 여기에보고 된 것과 상당히 다를 수 있습니다. 그럼에도 불구하고 COVID‐19 대유행 동안 일부 여행 관련 통제 조치는 전염병 결과에 긍정적 인 영향을 미칠 수 있습니다. 대체로 여행 제한은 국경을 넘어 질병의 확산을 제한 할 수 있습니다. 진입 및 퇴출 증상 선별 조치 자체는 보호 지역 내에서 새로운 사례가 파종되는 것을 방지하기 위해 의미있는 비율의 사례를 탐지하는 데 효과적이지 않을 수 있습니다. 후속 검역, 관찰 및 PCR 검사와 함께 효율성이 향상 될 가능성이 높습니다. 여행 관련 검역 자체의 효과에 대해 확고한 결론을 내리기에는 증거가 충분하지 않았습니다. 포함 된 연구 중 일부는 영향이 전염병의 단계, 국가의 상호 연결성, 지역 사회 전파를 억제하기 위해 취해진 지역 조치, 실행 및 준수 정도와 같은 요인에 따라 달라질 수 있음을 시사합니다.

บทนำ: ในช่วงปลายปี 2019 มีรายงานผู้ป่วยรายแรกของโรคโคโรนาไวรัส 2019 หรือ COVID‐19 ที่เกิดจากไวรัสโคโรนาสายพันธุ์ใหม่ SARS‐CoV‐2 ในหวู่ฮั่นประเทศจีน ต่อมา COVID‐19 ได้แพร่กระจายไปทั่วโลกอย่างรวดเร็ว เพื่อป้องกันการแพร่ระบาดที่ตามมา หลายประเทศได้ใช้มาตรการควบคุมที่เกี่ยวข้องกับการเดินทางระหว่างประเทศ รวมถึงการปิดพรมแดน การจำกัดการเดินทางบางส่วน การคัดกรองการเข้าหรือออกและการกักกันผู้เดินทาง วัตถุประสงค์: เพื่อประเมินประสิทธิผลของมาตรการควบคุมที่เกี่ยวข้องกับการเดินทางในช่วงที่โควิด ‐19 ระบาดต่อโรคติดเชื้อและผลที่เกี่ยวข้องกับการคัดกรอง วิธีการสืบค้น: เราสืบค้นฐานข้อมูลเฉพาะของ MEDLINE, Embase และ COVID‐19 รวมถึงฐานข้อมูล WHO Global เกี่ยวกับการวิจัย COVID‐19, ทะเบียนการศึกษา Cochrane COVID‐19 และฐานข้อมูลการวิจัย CDC COVID‐19 ในวันที่ 26 มิถุนายน 2020 เรายังทำการค้นหาการอ้างอิงย้อนหลังของการทบทวนวรรณกรรมที่มีอยู่ เกณฑ์การคัดเลือก: เราพิจารณาการศึกษาเชิงทดลอง กึ่งทดลอง เชิงสังเกตและแบบจำลองเพื่อประเมินผลของมาตรการควบคุมที่เกี่ยวข้องกับการเดินทางที่มีผลต่อการเดินทางของมนุษย์ข้ามพรมแดนระหว่างการระบาดของ COVID‐19 นอกจากนี้เรายังรวมการศึกษาเกี่ยวกับโรคซาร์ส (โรคระบบทางเดินหายใจเฉียบพลันรุนแรง) และ โรคทางเดินหายใจตะวันออกกลาง (MERS) เป็นหลักฐานทางอ้อม ผลลัพธ์หลักคือการป้องกันการเกิดผู้ป่วย ผู้ป่วยที่ตรวจพบและการเปลี่ยนแปลงของการแพร่ระบาดเนื่องจากมาตรการ ผลลัพธ์รอง ได้แก่ ผลการแพร่กระจายของโรคติดเชื้ออื่น ๆ การใช้การบริการสุขภาพ ทรัพยากรที่ต้องการ และผลข้างเคียงหากพบในการศึกษาที่ประเมินผลลัพธ์หลักอย่างน้อยหนึ่งอย่าง การรวบรวมและวิเคราะห์ข้อมูล: ผู้ประพันธ์การทบทวนวรรณกรรมคนหนึ่งคัดกรอง ชื่อเรื่องและบทคัดย่อ บทคัดย่อที่ได้รับการคัดออกทั้งหมดได้รับการคัดกรองซ้ำ ผู้ประพันธ์การทบทวนวรรณกรรมสองคนคัดเลือกการศึกษาฉบับเต็มโดยอิสระต่อกัน ผู้ประพันธ์การทบทวนวรรณกรรมคนหนึ่ง คัดลอกข้อมูล ประเมินความเสี่ยงของอคติและประเมินคุณภาพการศึกษา ผู้ประพันธ์การทบทวนวรรณกรรมเพิ่มเติมอย่างน้อยหนึ่งคน ตรวจสอบความถูกต้องของข้อมูลทั้งหมดที่รายงานในการประเมิน 'ความเสี่ยงของอคติ' การประเมินคุณภาพและสังเคราะห์ข้อมูล สำหรับการประเมินความเสี่ยงของอคติและคุณภาพของการศึกษาที่รวมไว้เราใช้เครื่องมือการประเมินคุณภาพของการศึกษาความแม่นยำในการวินิจฉัย (QUADAS‐2) สำหรับการศึกษาเชิงสังเกตที่เกี่ยวข้องกับการคัดกรอง ROBINS‐I สำหรับการศึกษาเชิงนิเวศวิทยาเชิงสังเกตและเครื่องมือเฉพาะสำหรับการศึกษาแบบจำลอง เราสังเคราะห์สิ่งที่ค้นพบในเชิงบรรยาย ผู้ประพันธ์การทบทวนวรรณกรรมคนหนึ่งได้ประเมินความเชื่อมั่นของหลักฐานโดย GRADE และทีมผู้ประพันธ์การทบทวนวรรณกรรมได้หารือกันเกี่ยวกับการประเมิน ผลการวิจัย: เรารวมรายงาน 40 รายการจากการศึกษาที่ไม่ซ้ำกัน 36 รายการ เราพบการศึกษาแบบจำลอง 17 รายการ การคัดกรองเชิงสังเกต 7 รายการ และการศึกษานิเวศวิทยาเชิงสังเกตหนึ่งเรื่องเกี่ยวกับ COVID‐19 การสร้างแบบจำลอง 4 รายการ และการศึกษาเชิงสังเกต 6 รายการศึกษาเกี่ยวกับโรคซาร์ส และการศึกษาแบบจำลอง 1 รายการเกี่ยวกับโรคซาร์สและเมอร์สซึ่งครอบคลุมบริบทและระยะการแพร่ระบาดที่หลากหลาย การศึกษาส่วนใหญ่เปรียบเทียบมาตรการควบคุมที่เกี่ยวข้องกับการเดินทางกับสถานการณ์ตอบโต้โดยไม่ได้นำมาตรการมาใช้ อย่างไรก็ตามการศึกษาแบบจำลองบางส่วนได้บรรยายถึงสถานการณ์เปรียบเทียบเพิ่มเติมเช่นข้อจำกัดในการเดินทางในระดับต่าง ๆหรือการใช้มาตรการร่วมกัน มีความกังวลเกี่ยวกับคุณภาพของการศึกษาแบบจำลองจำนวนมากและความเสี่ยงของการอคติของการศึกษาเชิงสังเกต การศึกษาการสร้างแบบจำลองจำนวนมากใช้สมมติฐานที่อาจไม่เหมาะสมเกี่ยวกับโครงสร้างและปัจจัยนำเข้าของแบบจำลองและไม่สามารถประเมินความไม่แน่นอนได้อย่างเพียงพอ ความกังวลเกี่ยวกับการศึกษาการคัดกรองเชิงสังเกตมักเกี่ยวข้องกับการทดสอบอ้างอิงและขั้นตอนการคัดกรอง การศึกษาเกี่ยวกับ COVID‐19 การจำกัดการเดินทางลดการเดินทางข้ามพรมแดน การศึกษา 11 รายการใช้แบบจำลองเพื่อจำลองการลดปริมาณการเดินทาง การศึกษาทางนิเวศวิทยาเชิงสังเกต 1 รายการประเมินการจำกัดการเดินทางเพื่อตอบสนองต่อการระบาดของโควิด ‐19 หลักฐานที่มีความเชื่อมั่นต่ำมากจากการศึกษาแบบจำลองแสดงให้เห็นว่าเมื่อนำมาใช้ในช่วงเริ่มต้นของการระบาด การจำกัดการเดินทางข้ามพรมแดนอาจทำให้จำนวนผู้ป่วยรายใหม่ลดลงระหว่าง 26% ถึง 90% (4 การศึกษา) จำนวนการเสียชีวิต (1 การศึกษา) ระยะเวลาในการระบาดอยู่ระหว่าง 2 ถึง 26 วัน (2 การศึกษา) ความเสี่ยงของการระบาดระหว่าง 1% ถึง 37% (2 การศึกษา) และจำนวนการแพร่กระจายที่มีประสิทธิผล (1 แบบจำลองและ 1 การศึกษาเชิงนิเวศเชิงสังเกต ). หลักฐานที่มีความเชื่อมั่นต่ำจากการศึกษาแบบจำลองแสดงให้เห็นว่าการลดจำนวนผู้ป่วยนำเข้าหรือส่งออกระหว่าง 70% ถึง 81% (5 การศึกษา) และในการเร่งการเพิ่มของการแพร่ระบาด (1 การศึกษา) การคัดกรองที่พรมแดนโดยมีหรือไม่มีเขตกักกัน หลักฐานจากการศึกษาแบบจำลอง 3 รายการของการตรวจคัดกรองอาการตอนเดินทางเข้าและออกโดยไม่มีการกักกันทำให้ระยะเวลาการระบาดช้าลงระหว่าง 1 ถึง 183 วัน (หลักฐานที่มีความเชื่อมั่นต่ำมาก) และอัตราการตรวจพบผู้เดินทางที่ติดเชื้อระหว่าง 10% ถึง 53% (หลักฐานความเชื่อมั่นต่ำ) การศึกษาเชิงสังเกตหกเรื่องเกี่ยวกับการคัดกรองการเข้าและออกได้ดำเนินการในบริบทที่เฉพาะ เช่น เที่ยวบินอพยพและการระบาดในเรือสำราญ วิธีการคัดกรองมีความแตกต่างกันไป แต่เป็นไปตามโครงสร้างที่คล้ายคลึงกัน ซึ่งเกี่ยวข้องกับการคัดกรองอาการของทุกคนเมื่อออกเดินทางหรือเมื่อมาถึง ตามด้วยการกักกันและขั้นตอนต่างๆสำหรับการสังเกตและการทดสอบ PCR ในช่วงเวลาอย่างน้อย 14 วัน สัดส่วนของผู้ป่วยที่ตรวจพบอยู่ระหว่าง 0% ถึง 91% (ขึ้นอยู่กับวิธีการตรวจคัดกรอง) และค่าทำนายผลบวกอยู่ในช่วง 0% ถึง 100% (หลักฐานที่มีความเชื่อมั่นต่ำมาก) อย่างไรก็ตามควรตีความผลที่ได้โดยพิจารณาทั้งวิธีการคัดกรองที่ใช้และความชุกของการติดเชื้อของผู้เดินทางที่ได้รับการตรวจคัดกรอง ตัวอย่างเช่น การตรวจคัดกรองตามอาการเพียงอย่างเดียวโดยทั่วไปจะทำได้ด้อยกว่าการตรวจคัดกรองตามอาการและการตรวจด้วย PCR ร่วมกับการสังเกตในภายหลังระหว่างการกักกัน การกักกันผู้เดินทาง หลักฐานจากการศึกษาแบบจำลองที่จำลองการกักกัน 14 วันแสดงให้เห็นว่าการลดจำนวนผู้ป่วยที่เกิดจากผู้ป่วยนำเข้า มีการลดขนาดมากขึ้นโดยการเพิ่มระดับการปฏิบัติตามข้อกำหนดในการกักกันตั้งแต่ 277 ถึง 19 รายโดยมีอัตราการปฏิบัติตามแบบจำลองระหว่าง 70% ถึง 100% (หลักฐานที่มีความเชื่อมั่นต่ำมาก) ข้อสรุปของผู้วิจัย: ด้วยหลักฐานส่วนใหญ่ที่ได้มาจากการศึกษาแบบจำลองโดยเฉพาะอย่างยิ่งสำหรับการจำกัดการเดินทาง ที่ลดการเดินทางข้ามพรมแดนและการกักกันผู้เดินทาง ขาดหลักฐาน 'ชีวิตจริง' สำหรับมาตรการเหล่านี้หลายประการ ความเชื่อมั่นของหลักฐานสำหรับมาตรการควบคุมที่เกี่ยวข้องกับการเดินทางส่วนใหญ่อยู่ในระดับต่ำมากและผลกระทบที่แท้จริงอาจแตกต่างอย่างมากจากที่รายงานไว้ที่นี่ อย่างไรก็ตามมาตรการควบคุมบางอย่างที่เกี่ยวข้องกับการเดินทางในช่วงที่โควิด ‐19 ระบาด อาจส่งผลดีต่อผลลัพธ์ของโรคติดเชื้อ โดยภาพกว้าง การจำกัดการเดินทางอาจจำกัดการแพร่กระจายของโรคข้ามพรมแดนของประเทศ มาตรการคัดกรองอาการระหว่างการเดินทางเข้าและออกด้วยตัวเองไม่น่าจะได้ผลในการตรวจหาสัดส่วนที่มีความหมายของผู้ป่วยเพื่อป้องกันไม่ให้เกิดผู้ป่วยใหม่ในพื้นที่ที่ได้รับการคุ้มครอง เมื่อรวมกับการกักกันการสังเกตและการทดสอบ PCR ในภายหลังประสิทธิผลน่าจะดีขึ้น มีหลักฐานไม่เพียงพอที่จะสรุปได้อย่างชัดเจนเกี่ยวกับประสิทธิภาพของการกักกันที่เกี่ยวข้องกับการเดินทางอย่างเดียว การศึกษาบางชิ้นชี้ให้เห็นว่าผลกระทบน่าจะขึ้นอยู่กับปัจจัยต่างๆ เช่น ระยะของการแพร่ระบาด ระดับความเชื่อมโยงระหว่างประเทศ มาตรการในท้องถิ่นที่ดำเนินการเพื่อให้มีการควบคุมถ่ายทอดทางชุมชน และขอบเขตของการนำไปปฏิบัติและการปฏิบัติตาม.

پیشینه: در اواخر سال 2019، اولین موارد بیماری کروناویروس 2019، یا COVID‐19، ناشی از کروناویروس SARS‐CoV‐2 جدید، در ووهان، چین، گزارش شدند. متعاقبا COVID‐19 به سرعت در سراسر جهان گسترش یافت. برای مهار پاندمی بعدی، بسیاری از کشورها اقدامات کنترلی مرتبط را با سفرهای بین‌المللی، از جمله بستن مرزها، محدودیت‌های نسبی سفر، غربالگری در مبادی ورودی یا خروجی، و قرنطینه مسافران، اعمال کرده‌اند. اهداف: ارزیابی اثربخشی اقدامات کنترلی مرتبط با مسافرت در طول پاندمی COVID‐19 بر بیماری عفونی و پیامدهای مربوط به غربالگری. روش‌های جست‌وجو: ما در 26 جون 2020، به جست‌وجو در MEDLINE؛ Embase و بانک‌های اطلاعاتی ویژه COVID‐19، از جمله بانک اطلاعاتی جهانی WHO در مورد تحقیقات COVID‐19، پایگاه ثبت مطالعات COVID‐19 در کاکرین، و بانک اطلاعاتی تحقیقات COVID‐19 در CDC پرداختیم. ما همچنین جست‌وجوهای استنادی پسرو (backward citation) را با مرورهای موجود، انجام دادیم. معیارهای انتخاب: ما مطالعات تجربی، نیمه‐تجربی، مشاهده‌ای و مدل‌سازی را در نظر گرفتیم که اثرات اقدامات کنترلی مرتبط با مسافرت را که سفر افراد را به آن سوی مرزهای ملی در طول پاندمی COVID‐19 متاثر می‌کنند، بررسی کردند. ‌ما همچنین مطالعات مرتبط با سندرم حاد تنفسی شدید (SARS) و سندرم تنفسی خاورمیانه (MERS) را به عنوان شواهد غیر‐مستقیم وارد کردیم. پیامدهای اولیه عبارت بودند از موارد از دست رفته، موارد تشخیص داده شده، و تغییر در پیشرفت اپیدمی ناشی از اقدامات انجام شده. پیامدهای ثانویه، شامل دیگر پیامدهای انتقال بیماری عفونی، استفاده از خدمات مراقبت سلامت، نیازهای منابع و عوارض جانبی بودند، اگر که در مطالعات ارزیابی کننده حداقل یک پیامد اولیه گزارش شده بودند. گردآوری و تجزیه‌وتحلیل داده‌ها: یک نویسنده مرور عناوین و خلاصه مقالات را غربالگری کرد؛ تمامی چکیده‌های حذف شده، مجددا بررسی شدند. دو نویسنده مرور به‌طور مستقل از هم تمامی متن کامل مقالات را ارزیابی کردند. یک نویسنده مرور داده‌ها را استخراج کرده، خطر سوگیری (bias) را ارزیابی و کیفیت مطالعه را بررسی کرد. حداقل یک نویسنده دیگر درستی و صحت تمام داده‌های گزارش شده را در ارزیابی «خطر سوگیری»، ارزیابی کیفیت و سنتز داده‌ها، مورد بررسی قرار داد. برای ارزیابی خطر سوگیری و کیفیت مطالعات وارد شده، از ابزار ارزیابی کیفیت مطالعات دقت تشخیصی (QUADAS‐2) برای مطالعات مشاهده‌ای مربوط به غربالگری، ROBINS‐I برای مطالعات مشاهده‌ای اکولوژیکی و یک ابزار سفارش داده شده برای مطالعات مدل‌سازی استفاده کردیم. ما یافته‌ها را روایت‌گونه سنتز کردیم. یک نویسنده مرور قطعیت شواهد را با GRADE ارزیابی کرد، و تیم نویسندگان به بحث درباره رتبه‌بندی آنها پرداختند. نتایج اصلی: ما 40 رکورد را وارد کردیم که در مورد 36 مطالعه منحصربه‌فرد گزارش کردند. 17 مطالعه مدل‌سازی، 7 مطالعه مشاهده‌ای غربالگری و یک مطالعه مشاهده‌ای اکولوژیکی را با محوریت COVID‐19، چهار مطالعه مدل‌سازی و شش مطالعه مشاهده‌ای را در مورد SARS، و یک مطالعه مدل‌سازی را با حضور SARS و MERS پیدا کردیم، که انواع شرایط و مراحل اپیدمی را پوشش دادند. اکثر مطالعات، اقدامات کنترلی مرتبط با مسافرت را در برابر یک سناریوی غیر‐واقعی مقایسه کردند که در آن اقدامات مداخله‌ای اجرا نشدند. با این حال، برخی از مطالعات مدل‌سازی، سناریوهای مقایسه کننده بیشتری را، مانند سطوح مختلف محدودیت‌های مسافرت، یا ترکیبی از اقدامات، توصیف کردند. نگرانی‌هایی پیرامون کیفیت بسیاری از مطالعات مدل‌سازی و خطر سوگیری مطالعات مشاهده‌ای وجود داشت. بسیاری از مطالعات مدل‌سازی از مفروضات بالقوه نامناسبی در مورد ساختار و پارامترهای ورودی مدل‌ها استفاده کردند، و در ارزیابی کافی عدم قطعیت آنها ناکام ماندند. نگرانی‌های مربوط به مطالعات مشاهده‌ای غربالگری معمولا مرتبط با تست مرجع و جریان فرآیند غربالگری بودند. مطالعات مربوط به COVID‐19 محدودیت‌های مسافرت که باعث کاهش سفرهای برون‌مرزی می‌شوند یازده مطالعه به منظور شبیه‌سازی کاهش در حجم مسافرت، از مدل‌ها استفاده کردند؛ یک مطالعه مشاهده‌ای اکولوژیکی محدودیت‌های سفر را در پاسخ به پاندمی COVID‐19 ارزیابی کرد. شواهدی با قطعیت بسیار پائین از مطالعات مدل‌سازی نشان می‌دهد که اعمال محدودیت‌ها در مسافرت‌های برون‌مرزی در ابتدای دوره طغیان بیماری، ممکن است منجر به کاهش در تعداد موارد جدید بین 26 تا 90 درصد (4 مطالعه)، تعداد مرگ‌ومیر (1 مطالعه)، زمان سپری شده تا طغیان بیماری بین 2 و 26 روز (2 مطالعه)، خطر شیوع بین 1% تا 37% (2 مطالعه)، و تعداد موثر ازدیاد بیماری (1 مطالعه مدل‌سازی و 1 مطالعه مشاهده‌ای اکولوژیکی) شود. شواهدی با قطعیت پائین از مطالعات مدل‌سازی، کاهش تعداد موارد وارد شده یا خارج شده را بین 70 تا 81 درصد (5 مطالعه)، و کاهش را در شتاب رشد پیشرفت اپیدمی (1 مطالعه) نشان می‌دهد. انجام غربالگری در مرزها با یا بدون اعمال قرنطینه شواهد حاصل از سه مطالعه مدل‌سازی در مورد غربالگری نشانه‌های بیماری در مبادی ورودی و خروجی بدون اعمال قرنطینه، حاکی از تأخیر در زمان سپری شده تا طغیان بیماری بین 1 تا 183 روز (شواهد با قطعیت بسیار پائین) و میزان تشخیص مسافران آلوده بین 10% تا 53% (شواهد با قطعیت پائین) است. شش مطالعه مشاهده‌ای پیرامون غربالگری در مبادی ورودی و خروجی، در شرایط خاص مانند پروازهای تخلیه اضطراری مسافران از کشورهای آلوده و طغیان‌های کشتی‌های کروز انجام شدند. رویکردهای غربالگری متفاوت بودند اما از ساختار مشابهی پیروی کردند، شامل غربالگری نشانه‌های بیماری در همه مسافران هنگام خروج از مبدا یا به محض ورود به مقصد، و به دنبال آن اعمال قرنطینه، و روش‌های مختلف برای مشاهده و آزمایش PCR در مدت زمان حداقل 14 روز. نسبت موارد شناسایی شده از 0% تا 91% (بسته به روش غربالگری)، و ارزش اخباری مثبت از 0% تا 100% (شواهد با قطعیت بسیار پائین) متفاوت بودند. با این حال، پیامدها باید در ارتباط با رویکرد غربالگری استفاده شده و شیوع عفونت میان مسافران غربالگری شده تفسیر شوند؛ به عنوان مثال، انجام غربالگری فقط بر اساس نشانه‌های بیماری، به‌طور کلی عملکرد بدتری از ترکیبی از روش‌های غربالگری بر اساس ‌نشانه‌های بیماری و انجام PCR با تحت نظر گرفتن بعدی بیمار در طول قرنطینه داشت. قرنطینه کردن مسافران شواهد حاصل از یک مطالعه مدل‌سازی که اعمال قرنطینه 14 روزه را شبیه‌سازی کرد، نشان از کاهش در تعداد موارد ابتلا به بیماری توسط مسافران وارد شده بود؛ کاهش بیشتری با افزایش سطوح تبعیت از اعمال قرنطینه از 277 به 19 مورد با نرخ انطباق مدل‌سازی شده بین 70% تا 100% دیده شد (شواهد با قطعیت بسیار پائین). نتیجه‌گیری‌های نویسندگان: با بسیاری از شواهد حاصل از مطالعات مدل‌سازی، به ویژه در مورد محدودیت‌های مسافرت به منظور کاهش سفرهای برون‌مرزی و اعمال قرنطینه مسافران، فقدان شواهد به دست آمده از «زندگی واقعی» برای بسیاری از این اقدامات، مشاهده می‌شود. سطح قطعیت شواهد برای اغلب اقدامات کنترلی مرتبط با مسافرت، بسیار پائین است و ممکن است تأثیرات واقعی آنها با آنچه در اینجا گزارش شده، تفاوت قابل توجهی داشته باشند. با این وجود، برخی از اقدامات کنترلی مرتبط با مسافرت در طول پاندمی COVID‐19 ممکن است تأثیر مثبتی بر پیامدهای بیماری‌های عفونی داشته باشند. به‌طور کلی، محدودیت‌های سفر ممکن است گسترش بیماری را در طول مرزهای ملی محدود کنند. اقدامات غربالگری برای نشانه‌های بیماری در مبادی ورودی و خروجی به‌خودی‌خود در تشخیص بخش قابل توجهی از موارد بیماری، به منظور پیشگیری از ازدیاد موارد جدید درون منطقه حفاظت شده؛ احتمالا موثر نیستند؛ همراه کردن این اقدامات با اعمال قرنطینه بعدی، تحت نظر قرار دادن افراد و انجام آزمایش PCR، احتمالا منجر به بهبود اثربخشی آنها می‌شود. شواهد کافی برای نتیجه‌گیری قاطع پیرامون اثربخشی اعمال قرنطینه مرتبط با مسافرت به‌تنهایی، وجود نداشت. برخی از مطالعات وارد شده پیشنهاد می‌کنند که اثرات این اقدامات احتمالا به عواملی مانند مرحله اپیدمی، ارتباط متقابل کشورها، اقدامات محلی انجام شده برای مهار انتقال در سطح جامعه، و میزان گسترش اجرای اقدامات و تبعیت از آنها، بستگی دارند.

Contexte: Fin 2019, les premiers cas de la maladie à coronavirus 2019, ou COVID‐19, causés par le nouveau coronavirus SARS‐CoV‐2, ont été signalés à Wuhan, en Chine. Par la suite, la COVID‐19 s'est rapidement répandue dans le monde entier. Pour contenir la pandémie qui s'ensuit, de nombreux pays ont mis en œuvre des mesures de contrôle relatives aux voyages internationaux, notamment la fermeture des frontières, des restrictions partielles des voyages, des contrôles à l'entrée ou à la sortie et la mise en quarantaine des voyageurs.

Objectifs: Évaluer l'efficacité des mesures de contrôle relatives aux voyages pendant la pandémie de la COVID‐19, sur les maladies infectieuses et les critères de jugement liés au dépistage. STRATÉGIE DE RECHERCHE DOCUMENTAIRE: Nous avons effectué des recherches dans les bases de données MEDLINE, Embase et celles spécifique à la COVID‐19, y compris la base de données mondiale de recherches sur la COVID‐19 de l'OMS, le registre des études sur la COVID‐19 de Cochrane et la base de données de recherches sur la COVID‐19 des Centres pour le contrôle et la prévention des maladies (Centers for Disease Control and Prevention (CDC)) le 26 juin 2020. Nous avons également effectué des recherches à partir de la liste des références des revues existantes. CRITÈRES DE SÉLECTION: Nous avons considéré les études expérimentales, quasi‐expérimentales, observationnelles et de modélisation évaluant les effets des mesures de contrôle relatives aux voyages sur les déplacements humains, à travers les frontières nationales, pendant la pandémie de la COVID‐19. Nous avons également inclus des études portant sur le syndrome respiratoire aigu sévère (SRAS) et le syndrome respiratoire du Moyen‐Orient (MERS) comme données probantes indirectes. Les principaux critères de jugement ont été les cas évités, les cas détectés et un changement dans le développement de l'épidémie causés par les mesures. Les critères de jugement secondaires étaient d’autres critères de jugement sur la transmission des maladies infectieuses, l'utilisation des soins de santé, les besoins en ressources et les effets indésirables s'ils étaient identifiés dans les études évaluant au moins un critère de jugement principal. RECUEIL ET ANALYSE DES DONNÉES: Un auteur de la revue a examiné les titres et les résumés ; tous les résumés exclus ont été examinés en double. Deux auteurs de la revue ont examiné, de manière indépendante, les textes intégraux. Un des auteurs de la revue a extrait les données, évalué le risque de biais et évalué la qualité de l'étude. Au moins un autre auteur de la revue a vérifié l'exactitude de toutes les données figurant dans l'évaluation du « risque de biais », l'évaluation de la qualité et la synthèse des données. Pour évaluer le risque de biais et la qualité des études incluses, nous avons utilisé l'outil QUADAS‐2 (Quality Assessment of Diagnostic Accuracy Studies) pour les études observationnelles concernant le dépistage, ROBINS‐I pour les études observationnelles écologiques et un outil sur mesure pour les études de modélisation. Nous avons synthétisé les résultats de manière narrative. Un des auteurs de la revue a évalué le niveau de confiance des données probantes avec GRADE, et l'équipe des auteurs de la revue a discuté sur les notations. RÉSULTATS PRINCIPAUX: Nous avons inclus 40 dossiers rendant compte de 36 études uniques. Nous avons trouvé 17 études de modélisation, 7 études observationnelles de dépistage et une étude observationnelle écologique sur la COVID‐19, quatre études de modélisation et six études observationnelles sur le SRAS, et une étude de modélisation sur le SRAS et le MERS, couvrant une variété de contextes et de stades épidémiques. La plupart des études ont comparé les mesures de contrôle relatives aux voyages à un scénario contrefactuel dans lequel la mesure d'intervention n'était pas mise en œuvre. Toutefois, certaines études de modélisation ont décrit des scénarios de comparaison supplémentaires, tels que différents niveaux de restrictions de voyage, ou une combinaison de mesures. La qualité de nombreuses études de modélisation et le risque de biais des études observationnelles ont suscité des préoccupations. De nombreuses études de modélisation ont utilisé des hypothèses potentiellement inappropriées sur la structure et les paramètres d'entrée des modèles, et n'ont pas réussi à évaluer correctement l'incertitude. Les préoccupations relatives aux études observationnelles ont porté sur le dépistage, généralement liées au test de référence et au déroulement du processus de dépistage. Études sur la COVID‐19 Restrictions de voyage réduisant les déplacements transfrontaliers Onze études ont utilisé des modèles pour simuler une réduction du volume des voyages ; une étude observationnelle écologique a évalué les restrictions de voyage en réponse à la pandémie de la COVID‐19. Des données probantes d’un niveau de confiance très faible provenant des études de modélisation suggèrent que, lorsqu'elles sont mises en œuvre au début de l'épidémie, les restrictions des déplacements transfrontaliers pourraient entraîner une réduction du nombre de nouveaux cas de 26 % à 90 % (4 études), du nombre de décès (1 étude), du délai d'apparition de l'épidémie de 2 à 26 jours (2 études), du risque d'épidémie de 1 % à 37 % (2 études) et du taux de reproduction effectif (1 étude de modélisation et 1 étude observationnelle écologique). Des données probantes d’un niveau de confiance faible provenant d'études de modélisation suggèrent une réduction du nombre de cas importés ou exportés de 70 à 81 % (5 études), et une réduction de l'accélération de la progression de l'épidémie (1 étude). Dépistage aux frontières avec ou sans quarantaine Les données probantes provenant de trois études de modélisation du contrôle des symptômes à l'entrée et à la sortie, sans mise en quarantaine, indiquent des délais d'apparition allant de 1 à 183 jours (données probantes d’un niveau de confiance très faible) et un taux de détection des voyageurs infectés de 10 à 53 % (données probantes d’un niveau de confiance faible). Six études observationnelles sur le contrôle à l’entrée et à la sortie ont été menées dans des contextes spécifiques tels que les vols d'évacuation et les épidémies sur les bateaux de croisière. Les approches de dépistage variaient mais suivaient une structure similaire, impliquant un contrôle des symptômes de tous les individus au départ ou à l'arrivée, suivi d'une quarantaine, et différentes procédures d'observation et de tests PCR sur une période d'au moins 14 jours. La proportion de cas détectés variait de 0 à 91 % (selon l'approche de dépistage), et la valeur prédictive positive variait de 0 à 100 % (données probantes d’un niveau de confiance très faible). Les critères de jugement doivent toutefois être interprétés en fonction de l'approche de dépistage utilisée et de la prévalence de l'infection parmi les voyageurs soumis au dépistage ; par exemple, le contrôle fondé sur les symptômes seuls a généralement donné de moins bons résultats qu'une combinaison de dépistage fondé sur les symptômes et le test PCR avec une observation ultérieure pendant la quarantaine. Quarantaine des voyageurs Les données probantes provenant d'une étude de modélisation simulant une quarantaine de 14 jours ont suggéré une réduction du nombre de cas secondaires à des cas importés ; des réductions plus importantes ont été observées avec des niveaux croissants d’adhésion à la quarantaine allant de 277 à 19 cas avec des taux d’adhésion modélisés entre 70 % et 100 % (données probantes d’un niveau de confiance très faible).

Conclusions des auteurs: Etant donné qu’une grande partie des données probantes provenaient d'études de modélisation, notamment pour les restrictions de voyage réduisant les déplacements transfrontaliers et la mise en quarantaine des voyageurs, il y a un manque de données probantes « de vie réelle » pour beaucoup de ces mesures. Le niveau de confiance des données probantes de la plupart des mesures de contrôle relatives aux voyages est très faible et les effets réels pourraient être sensiblement différents de ceux qui sont rapportés ici. Néanmoins, certaines mesures de contrôle relatives aux voyages pendant la pandémie de la COVID‐19 pourraient avoir un impact positif sur l'évolution des maladies infectieuses. D'une manière générale, les restrictions de voyage pourraient limiter la propagation des maladies au‐delà des frontières nationales. Les mesures de contrôle des symptômes à l’entrée et à la sortie ne sont pas susceptibles, à elles seules, de permettre de détecter une proportion significative de cas pour empêcher l'apparition de nouveaux cas dans la région protégée ; combinées à une quarantaine, une observation et un test PCR ultérieurs, leur efficacité devrait s'améliorer. Il n'y avait pas suffisamment de données probantes pour tirer des conclusions définitives sur l'efficacité de la quarantaine seule, liée aux voyages. Certaines des études incluses suggèrent que les effets sont susceptibles de dépendre de facteurs tels que le stade de l'épidémie, l'interconnexion des pays, les mesures locales prises pour contenir la transmission communautaire, et l'étendue de la mise en œuvre et de l'adhésion.

Antecedentes: A finales de 2019, se notificaron en Wuhan (China) los primeros casos de la enfermedad coronavirus 2019, o covid‐19, causada por el nuevo coronavirus SARS‐CoV‐2. Posteriormente, la enfermedad se extendió rápidamente por todo el mundo. Para contener la pandemia resultante, numerosos países han aplicado medidas de control relacionadas con los viajes internacionales, entre ellas el cierre de fronteras, restricciones parciales de viaje, pruebas de cribado a la entrada o salida y cuarentena de los viajeros.

Objetivos: Evaluar la efectividad de las medidas de control relacionadas con los viajes durante la pandemia de covid‐19 sobre los desenlaces relacionados con las enfermedades infecciosas y las pruebas de cribado. MÉTODOS DE BÚSQUEDA: Se realizaron búsquedas en las bases de datos MEDLINE y Embase y en bases de datos específicas de covid‐19, incluida la Base de datos mundial de la OMS sobre la investigación de covid‐19, el Registro Cochrane de Estudios de covid‐19 y la Base de datos de investigación de covid‐19 de los CDC el 26 de junio de 2020. También se realizaron búsquedas de referencias restrospectivamente con revisiones existentes. CRITERIOS DE SELECCIÓN: Se consideraron estudios experimentales, cuasiexperimentales, observacionales y de modelización que evaluaran los efectos de las medidas de control relacionadas con los viajes que afectan a los desplazamientos transfronterizos de las personas durante la pandemia de covid‐19. También se incluyeron estudios sobre el síndrome respiratorio agudo grave (SARS) y el (síndrome respiratorio de Oriente Medio (MERS) como evidencia indirecta. Los desenlaces principales fueron los casos evitados, los casos detectados y un cambio en la evolución de la epidemia debido a las medidas. Los desenlaces secundarios fueron otros desenlaces relacionados con la transmisión de enfermedades infecciosas, el uso de la asistencia sanitaria, la necesidad de recursos y los efectos adversos en caso de identificarse en estudios que evaluaran al menos un desenlace principal. OBTENCIÓN Y ANÁLISIS DE LOS DATOS: Un autor de la revisión examinó los títulos y resúmenes; todos los resúmenes excluidos fueron examinados por duplicado. Dos autores de la revisión de forma independiente examinaron los textos completos. Un autor de la revisión extrajo los datos, evaluó el riesgo de sesgo y evaluó la calidad de los estudios. Al menos un autor de la revisión adicional comprobó la exactitud de todos los datos comunicados en la evaluación del "riesgo de sesgo", la evaluación de la calidad y la síntesis de los datos. Para evaluar el riesgo de sesgo y la calidad de los estudios incluidos, se utilizó la herramienta de Evaluación de la Calidad de los estudios de exactitud diagnóstica ( Quality Assessment of Diagnostic Accuracy Studies; QUADAS‐2) en los estudios observacionales relacionados con el cribado, ROBINS‐I en los estudios ecológicos observacionales y una herramienta a medida para los estudios de modelización. Se sintetizaron los hallazgos de forma narrativa. Un autor de la revisión evaluó la certeza de la evidencia mediante los criterios GRADE, y el equipo de autores de la revisión debatió las calificaciones.

Resultados principales: Se incluyeron 40 registros que informaban sobre 36 estudios únicos. Se encontraron 17 estudios de modelización, siete estudios observacionales de cribado y un estudio ecológico observacional sobre la covid‐19, cuatro estudios de modelización y seis estudios observacionales sobre el SARS, y un estudio de modelización sobre el SARS y el MERS, que abarcan una variedad de contextos y etapas de la epidemia. La mayoría de los estudios comparó las medidas de control relacionadas con los viajes con un escenario contrafáctico en el que no se aplicaba la medida de intervención. Sin embargo, en algunos estudios de modelización se describieron otros escenarios de comparación, como diferentes niveles de restricciones en los viajes o una combinación de medidas. Se expresó preocupación por la calidad de muchos estudios de modelización y por el riesgo de sesgo de los estudios observacionales. En muchos estudios de modelización se utilizaron supuestos potencialmente inapropiados sobre la estructura y los parámetros de entrada a los modelos, y no se consiguió evaluar la incertidumbre adecuadamente. Las preocupaciones por los estudios de cribado observacionales suelen estar relacionados con la prueba de referencia y el flujo del proceso de cribado. Estudios sobre covid‐19 Restricciones en los viajes que reducen los viajes transfronterizos Once estudios emplearon modelos para simular una reducción del volumen de viajes; un estudio ecológico observacional evaluó las restricciones en los viajes en respuesta a la pandemia de covid‐19. La evidencia de certeza muy baja de los estudios de modelización indica que las restricciones a los viajes transfronterizos aplicadas al principio del brote pueden dar lugar a una reducción del número de nuevos casos de entre el 26% y el 90% (cuatro estudios), del número de muertes (un estudio), del tiempo transcurrido hasta el brote de entre dos y 26 días (dos estudios), del riesgo de brote de entre el 1% y el 37% (dos estudios) y el número de reproducción efectiva (un estudios de modelización y un estudio ecológico observacional). La evidencia de certeza baja de los estudios de modelización indica una reducción del número de casos importados o exportados de entre el 70% y el 81% (cinco estudios), y de la aceleración del crecimiento de la progresión de la epidemia (un estudio). Cribado en las fronteras con o sin cuarentena La evidencia de tres estudios de modelización sobre el cribado de síntomas a la entrada y salida sin cuarentena sugieren retrasos en el tiempo hasta el brote de entre uno y 183 días (evidencia de certeza muy baja) y una tasa de detección de viajeros contagiados de entre el 10% y el 53% (evidencia de certeza baja). Se realizaron seis estudios observacionales de cribado a la entrada y salida en contextos específicos, como los vuelos de evacuación y los brotes en cruceros. Las técnicas de cribado variaban pero seguían una estructura similar que incluía el cribado de los síntomas de todas las personas a la salida o llegada, seguido de cuarentena y diferentes procedimientos de observación y pruebas PCR durante un período de al menos 14 días. La proporción de casos detectados osciló entre el 0% y el 91% (dependiendo de la técnica de cribado), y el valor predictivo positivo osciló entre el 0% y el 100% (evidencia de certeza muy baja). Sin embargo, los desenlaces deben interpretarse en relación tanto con la técnica de cribado utilizada como con la prevalencia de la infección entre los viajeros cribados; por ejemplo, el cribado basado solamente en los síntomas suele ser peor que la combinación del cribado basado en los síntomas y en la PCR junto con la observación posterior durante la cuarentena. Cuarentena de viajeros La evidencia de un estudio de modelización que simulaba una cuarentena de 14 días sugiere una reducción del número de casos originados en los casos importados; se observaron reducciones más altas con niveles de cumplimiento de la cuarentena mayores que iban de 277 a 19 casos con tasas de cumplimiento modelizadas entre el 70% al 100% (evidencia de certeza muy baja).

Conclusiones de los autores: Dado que gran parte de la evidencia deriva de estudios de modelización, principalmente de las restricciones a los viajes que disminuyen los desplazamientos transfronterizos y la cuarentena de los viajeros, falta evidencia del “mundo real" sobre muchas de estas medidas. La certeza de la evidencia de la mayoría de las medidas de control relacionadas con los viajes es muy baja y los verdaderos efectos pueden ser sustancialmente diferentes de los que se notifican aquí. No obstante, algunas medidas de control relacionadas con los viajes durante la pandemia de covid‐19 pueden tener un impacto positivo en los desenlaces relacionados con las enfermedades infecciosas. En general, las restricciones a los viajes pueden limitar la propagación de la enfermedad a través de las fronteras nacionales. Es probable que las medidas de cribado de síntomas a la entrada y salida solas no sean efectivas para detectar una proporción significativa de casos a fin de evitar sembrar nuevos casos en la región protegida; en combinación con la cuarentena, la observación y las pruebas de PCR posteriores, es probable que la efectividad mejore. No hubo evidencia suficiente para sacar conclusiones firmes sobre la eficacia de la cuarentena sola. Algunos de los estudios incluidos sugieren que es probable que los efectos dependan de factores como la etapa en la que se encuentra la epidemia, la interconexión de los países, las medidas locales adoptadas para contener la transmisión en la comunidad y el grado de aplicación y cumplimiento.

PubMed Disclaimer

Similar articles

See all similar articles

Cited by

See all "Cited by" articles

References

References to studies included in this review
Adekunle 2020 {published data only}
    1. Adekunle A, Meehan M, Rojas-Alvarez D, Trauer J, McBryde E. Delaying the COVID-19 epidemic in Australia: evaluating the effectiveness of international travel bans. Australian and New Zealand Journal of Public Health 2020;44(4):257-9. [DOI: 10.1111/1753-6405.13016]
Anderson 2020 {published data only}
    1. Anderson SC, Mulberry N, Edwards AM, Stockdale JE, Iyaniwura SA, Falcao RC, et al. How much leeway is there to relax COVID-19 control measures? medRxiv [Preprint] 2020. [DOI: 10.1101/2020.06.12.20129833]
Anonymous 2004 {published data only}
    1. Anonymous. Thermal image scanners to detect fever in airline passengers, Vancouver and Toronto, 2003. Canada communicable disease report = Releve des maladies transmissibles au Canada 2004;30(19):165-7.
Anzai 2020 {published data only}
    1. Anzai A, Kobayashi T, Linton NM, Kinoshita R, Hayashi K, Suzuki A, et al. Assessing the impact of reduced travel on exportation dynamics of novel coronavirus infection (COVID-19). Journal of Clinical Medicine 2020;9(2):24. [DOI: dx.doi.org/10.3390/jcm9020601]
Arima 2020 {published data only}
    1. Arima Y, Shimada T, Suzuki M, Suzuki T, Kobayashi Y, Tsuchihashi Y, et al. Severe acute respiratory syndrome coronavirus 2 infection among returnees to Japan from Wuhan, China, 2020. Emerging Infectious Diseases 2020;26(7). [DOI: 10.3201/eid2607.200994]
Banholzer 2020 {published data only}
    1. Banholzer N, Van Weenen E, Kratzwald B, Seeliger A, Tschernutter D, Bottrighi P, et al. Estimating the impact of non-pharmaceutical interventions on documented infections with COVID-19: a cross-country analysis. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.04.16.20062141]
Boldog 2020 {published data only}
    1. Boldog P, Tekeli T, Vizi Z, Denes A, Bartha FA, Rost G. Risk assessment of novel coronavirus COVID-19 outbreaks outside China. Journal of Clinical Medicine 2020;9(2):19. [DOI: dx.doi.org/10.3390/jcm9020571]
Chinazzi 2020 {published data only}
    1. Chinazzi M, Davis JT, Ajelli M, Gioannini C, Litvinova M, Merler S, et al. The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreak. Science 2020;368(6489):395-400.
Clifford 2020 {published data only}
    1. Clifford S, Pearson CA, Klepac P, Van Zandvoort K, Quilty BJ, Eggo RM, et al, CMMID COVID-19 Working Group. Effectiveness of interventions targeting air travellers for delaying local outbreaks of SARS-CoV-2. Journal of Travel Medicine 2020;08:taaa068. [DOI: dx.doi.org/10.1093/jtm/taaa068]
Costantino 2020 {published data only}
    1. Costantino V, Heslop DJ, MacIntyre CR. The effectiveness of full and partial travel bans against COVID-19 spread in Australia for travellers from China during and after the epidemic peak in China. Journal of Travel Medicine 2020;22. [DOI: dx.doi.org/10.1093/jtm/taaa081]
Glass 2006 {published data only}
    1. Glass K, Becker NG. Evaluation of measures to reduce international spread of SARS. Epidemiology and Infection 2006;134(5):1092-101.
Gostic 2015 {published data only}
    1. Gostic K, Kucharski AJ, Lloyd-Smith JO. Effectiveness of traveller screening for emerging pathogens is shaped by epidemiology and natural history of infection. eLife 2015;4. [DOI: dx.doi.org/10.7554/eLife.05564]
Gostic 2020 {published data only}
    1. Gostic K, Gomez AC, Mummah RO, Kucharski AJ, Lloyd-Smith JO. Estimated effectiveness of symptom and risk screening to prevent the spread of COVID-19. eLife 2020;0(02):24. [DOI: dx.doi.org/10.7554/eLife.55570]
Goubar 2009 {published data only}
    1. Goubar A, Bitar D, Cao WC, Feng D, Fang LQ, Desenclos JC. An approach to estimate the number of SARS cases imported by international air travel. Epidemiology and Infection 2009;137(7):1019-31. [DOI: dx.doi.org/10.1017/S0950268808001635]
Gumel 2004 {published data only}
    1. Gumel AB, Ruan S, Day T, Watmough J, Brauer F, Van den Driessche P, et al. Modelling strategies for controlling SARS outbreaks. Proceedings of the Royal Society of London. Series B, Containing Papers of a Biological Character. Royal Society (Great Britain) 2004;271(1554):2223-32.
Hoehl 2020 {published data only}
    1. Hoehl S, Rabenau H, Berger A, Kortenbusch M, Cinatl J, Bojkova D, et al. Evidence of SARS-CoV-2 infection in returning travelers from Wuhan, China. New England Journal of Medicine 2020;382(13):1278-80. [DOI: dx.doi.org/10.1056/NEJMc2001899]
Hsieh 2005 {published data only}
    1. Hsieh YH, King CC, Chen CW, Ho MS, Lee JY, Liu FC, et al. Quarantine for SARS, Taiwan. Emerging Infectious Diseases 2005;11(2):278-82.
Hsieh 2007 {published data only}
    1. Hsieh YH, King CC, Chen CW, Ho MS, Hsu SB, Wu YC. Impact of quarantine on the 2003 SARS outbreak: a retrospective modeling study. Journal of Theoretical Biology 2007;244(4):729-36.
Jernigan 2020 {published data only}
    1. Jernigan DB. Update: public health response to the coronavirus disease 2019 outbreak - United States, February 24, 2020. Morbidity and Mortality Weekly Report. Surveillance Summaries : MMWR 2020;69(8):216-9.
Koh 2020 {published data only}
    1. Koh WC, Naing L, Wong J. Estimating the impact of physical distancing measures in containing COVID-19: an empirical analysis. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.06.11.20128074]
Linka 2020a {published data only}
    1. Linka K, Peirlinck M, Sahli Costabal F, Kuhl E. Outbreak dynamics of COVID-19 in Europe and the effect of travel restrictions. Computer Methods in Biomechanics & Biomedical Engineering, 1-8. 2020;23(11):710-17. [DOI: 10.1080/10255842.2020.1759560]
Linka 2020b {published data only}
    1. Linka K, Peirlinck M, Kuhl E. The reproduction number of COVID-19 and its correlation with public health interventions. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.05.01.20088047]
Lytras 2020 {published data only}
    1. Lytras T, Dellis G, Flountzi A, Hatzianastasiou S, Nikolopoulou G, Tsekou K, et al. High prevalence of SARS-CoV-2 infection in repatriation flights to Greece from three European countries. Journal of Travel Medicine 2020;27(3):18. [DOI: dx.doi.org/10.1093/jtm/taaa054]
Mandal 2020 {published data only}
    1. Mandal S, Bhatnagar T, Arinaminpathy N, Agarwal A, Chowdhury A, Murhekar M, et al. Prudent public health intervention strategies to control the coronavirus disease 2019 transmission in India: a mathematical model-based approach. Indian Journal of Medical Research 2020;151(2 & 3):190-9. [DOI: dx.doi.org/10.4103/ijmr.IJMR_504_20]
Ng 2020 {published data only}
    1. Ng OT, Marimuthu K, Chia PY, Koh V, Chiew CJ, De Wang L, et al. SARS-CoV-2 infection among travelers returning from Wuhan, China. New England Journal of Medicine 2020;382(14):1476-8. [DOI: dx.doi.org/10.1056/NEJMc2003100]
Nishiura 2020 {published data only}
    1. Nishiura H, Kobayashi T, Miyama T, Suzuki A, Jung SM, Hayashi K, et al. Estimation of the asymptomatic ratio of novel coronavirus infections (COVID-19). International Journal of Infectious Diseases 2020;94:154-5. [DOI: 10.1016/j.ijid.2020.03.020]
Odendaal 2020 {published data only}
    1. Odendaal WG. A method to model outbreaks of new infectious diseases with pandemic potential such as COVID-19. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.03.11.20034512]
Pang 2003 {published data only}
    1. Pang X, Zhu Z, Xu F, Guo J, Gong X, Liu D, et al. Evaluation of control measures implemented in the severe acute respiratory syndrome outbreak in Beijing, 2003. JAMA 2003;290(24):3215-21. [DOI: 10.1001/jama.290.24.3215]
Quilty 2020a {published data only}
    1. Quilty BJ, Clifford S, Flasche S, Eggo RM, CCMID nCoV Working Group. Effectiveness of airport screening at detecting travellers infected with novel coronavirus (2019-nCoV). Eurosurveillance 2020;25(5):02. [DOI: dx.doi.org/10.2807/1560-7917.ES.2020.25.5.2000080]
Ryu 2020 {published data only}
    1. Ryu S, Ali ST, Lim JS, Chun BC. Estimation of the excess COVID-19 cases in Seoul, South Korea by the students arriving from China. International Journal of Environmental Research and Public Health 2020;17:3113. [DOI: dx.doi.org/10.3390/ijerph17093113]
Samaan 2004 {published data only}
    1. Samaan G, Patel M, Spencer J, Roberts L. Border screening for SARS in Australia: what has been learnt? Medical Journal of Australia 2004;180(5):220-3.
Sriwijitalai 2020a {published data only}
    1. Sriwijitalai W, Wiwanitkit V. Positive screening for Wuhan novel coronavirus infection at international airport: what's the final diagnosis for positive cases. International Journal of Preventive Medicine 2020;11:30. [DOI: 10.4103/ijpvm.IJPVM_42_20]
St John 2005 {published data only}
    1. St John RK, King A, De Jong D, Bodie-Collins M, Squires SG, Tam TW. Border screening for SARS. Emerging Infectious Diseases 2005;11(1):6-10.
Tsuboi 2020 {published data only}
    1. Tsuboi M, Hachiya M, Noda S, Iso H, Umeda T. Epidemiology and quarantine measures during COVID-19 outbreak on the cruise ship Diamond Princess docked at Yokohama, Japan in 2020: a descriptive analysis. Global Health & Medicine 2020;2(2):102-6. [DOI: 10.35772/ghm.2020.01037]
Utsunomiya 2020 {published data only}
    1. Utsunomiya YT, Utsunomiya AT, Torrecilha RB, Paulan SC, Milanesi M, Garcia JF. Growth rate and acceleration analysis of the COVID-19 pandemic reveals the effect of public health measures in real time. Frontiers in Medicine 2020;7:247. [DOI: 10.3389/fmed.2020.00247]
Wang 2007 {published data only}
    1. Wang TH, Wei KC, Hsiung CA, Maloney SA, Eidex RB, Posey DL, et al. Optimizing severe acute respiratory syndrome response strategies: lessons learned from quarantine. American Journal of Public Health 2007;97 Suppl 1:S98-100. [DOI: 10.2105/AJPH.2005.082115]
Wells 2020 {published data only}
    1. Wells CR, Sah P, Moghadas SM, Pandey A, Shoukat A, Wang Y, et al. Impact of international travel and border control measures on the global spread of the novel 2019 coronavirus outbreak. Proceedings of the National Academy of Sciences of the United States of America 2020;117(13):7504-9. [DOI: dx.doi.org/10.1073/pnas.2002616117]
Wilder‐Smith 2003 {published data only}
    1. Wilder-Smith A, Paton NI, Goh KT. Experience of severe acute respiratory syndrome in Singapore: importation of cases, and defense strategies at the airport. Journal of Travel Medicine 2003;10(5):259-62.
Wilson 2020 {published data only}
    1. Wilson N, Baker MG, Eichner M. Estimating the impact of control measures to prevent outbreaks of COVID-19 associated with air travel into a COVID-19-free country: a simulation modelling study. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.06.10.20127977]
Yamahata 2020 {published data only}
    1. Yamahata Y, Shibata A. Preparation for quarantine on the cruise ship Diamond Princess in Japan due to COVID-19. JMIR Public Health and Surveillance 2020;6(2):e18821. [DOI: dx.doi.org/10.2196/18821]
References to studies excluded from this review
Adiga 2020 {published data only}
    1. Adiga A, Wang L, Sadilek A, Tendulkar A, Venkatramanan S, Vullikanti A, et al. Interplay of global multi-scale human mobility, social distancing, government interventions, and COVID-19 dynamics. medRxiv [Preprint] 2020. [DOI: dx.doi.org/10.1101/2020.06.05.20123760]
Aleta 2020 {published data only}
    1. Aleta A, Hu Q, Ye J, Ji P, Moreno Y. A data-driven assessment of early travel restrictions related to the spreading of the novel COVID-19 within mainland China. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.03.05.20031740]
Annan 2015 {published data only}
    1. Annan A, Owusu M, Marfo KS, Larbi R, Sarpong FN, Adu-Sarkodie Y, et al. High prevalence of common respiratory viruses and no evidence of Middle East respiratory syndrome coronavirus in Hajj pilgrims returning to Ghana, 2013. Tropical Medicine & International Health 2015;20(6):807-12.
Aravindakshan 2020 {published data only}
    1. Aravindakshan A, Boehnke J, Gholami E, Nayak A. Restarting after COVID-19: A Data-driven Evaluation of Opening Scenarios. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.05.28.20115980]
Barkan 2020 {published data only}
    1. Barkan E, Shilo S, Talmor-Barkan Y. Comparison of SARS-CoV-2 exit strategies building blocks. medRxiv [Preprint] 2020:2020.04.23.20072850. [DOI: 10.1101/2020.04.23.20072850]
Bell 2004 {published data only}
    1. Bell DM, World Health Organization Working Group on International Community Transmission of SARS . Public health interventions and SARS spread, 2003. Emerging Infectious Diseases 2004;10(11):1900-6.
Benkouiten 2013 {published data only}
    1. Benkouiten S, Charrel R, Belhouchat K, Drali T, Salez N, Nougairede A, et al. Circulation of respiratory viruses among pilgrims during the 2012 Hajj pilgrimage. Clinical Infectious Diseases 2013;57(7):992-1000.
Benkouiten 2014 {published data only}
    1. Benkouiten S, Charrel R, Belhouchat K, Drali T, Nougairede A, Salez N, et al. Respiratory viruses and bacteria among pilgrims during the 2013 Hajj. Emerging Infectious Diseases 2014;20(11):1821-7.
Benkouiten 2015 {published data only}
    1. Benkouiten S, Gautret P, Belhouchat K, Drali T, Nougairede A, Salez N, et al. Comparison of nasal swabs with throat swabs for the detection of respiratory viruses by real-time reverse transcriptase PCR in adult Hajj pilgrims. Journal of Infection 2015;70(2):207-10.
Branas 2020 {published data only}
    1. Branas CC, Rundle A, Pei S, Yang W, Carr BG, Sims S, et al. Flattening the curve before it flattens us: hospital critical care capacity limits and mortality from novel coronavirus (SARS-CoV2) cases in US counties. medRxiv [Preprint] 2020:2020.04.01.20049759. [DOI: 10.1101/2020.04.01.20049759]
Brauer 2008 {published data only}
    1. Brauer F, Van den Driessche P, Wang L. Oscillations in a patchy environment disease model. Mathematical Biosciences 2008;215(1):1-10.
Camitz 2006 {published data only}
    1. Camitz M, Liljeros F. The effect of travel restrictions on the spread of a moderately contagious disease. BMC Medicine 2006;4:32.
Channapathi 2020 {published data only}
    1. Channapathi T, Thatikonda S. Stochastic transmission dynamic model for evaluating effectiveness of control measures of COVID-19. SSRN 2020. [DOI: dx.doi.org/10.2139/ssrn.3559581]
Cowling 2020 {published data only}
    1. Cowling BJ, Ali ST, Ng TW, Tsang TK, Li JC, Fong MW, et al. Impact assessment of non-pharmaceutical interventions against coronavirus disease 2019 and influenza in Hong Kong: an observational study. Lancet Public Health 2020;5(5):e279-88.
Dandekar 2020 {published data only}
    1. Dandekar R, Barbastathis G. Quantifying the effect of quarantine control in COVID-19 infectious spread using machine learning. medRxiv [Preprint] 2020:2020.04.03.20052084. [DOI: 10.1101/2020.04.03.20052084]
Dell'Omodarme 2005 {published data only}
    1. Dell'Omodarme M, Prati MC. The probability of failing in detecting an infectious disease at entry points into a country. Statistics in Medicine 2005;24(17):2669-79.
Eksin 2020 {published data only}
    1. Eksin C, Ndeffo-Mbah M, Weitz JS. Reacting to outbreaks at neighboring localities. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.04.24.20078808]
Erandi 2020 {published data only}
    1. Erandi H, Mahasinghe AC, Perera S, Jayasinghe S. Effectiveness of the strategies implemented in Sri Lanka for controlling the COVID-19 outbreak. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.04.27.20082479]
Espinoza 2020 {published data only}
    1. Espinoza B, Castillo-Chavez C, Perrings C. Mobility restrictions for the control of epidemics: when do they work? SSRN 2020. [DOI: 10.2139/ssrn.3496928]
Fang 2020 {published data only}
    1. Fang Y, Nie Y, Penny M. Transmission dynamics of the COVID-19 outbreak and effectiveness of government interventions: a data-driven analysis. Journal of Medical Virology 2020. [DOI: 10.1002/jmv.25750]
Fouquet 2020 {published data only}
    1. Fouquet R, O'Garra T. The behavioural, welfare and environmental effects of air travel reductions during and beyond COVID-19. SSRN 2020. [DOI: dx.doi.org/10.2139/ssrn.3628750]
Fredj 2020 {published data only}
    1. Fredj HB, Cherif F. Novel corona virus disease infection in Tunisia: mathematical model and the impact of the quarantine strategy. Chaos Solitons & Fractals 2020;138:109969.
Gardner 2016 {published data only}
    1. Gardner LM, Chughtai AA, MacIntyre CR. Risk of global spread of Middle East respiratory syndrome coronavirus (MERS-CoV) via the air transport network. Journal of Travel Medicine 2016;23(6):taw063. [DOI: 10.1093/jtm/taw063]
Gatto 2020 {published data only}
    1. Gatto M, Bertuzzo E, Mari L, Miccoli S, Carraro L, Casagrandi R, et al. Spread and dynamics of the COVID-19 epidemic in Italy: effects of emergency containment measures. Proceedings of the National Academy of Sciences of the United States of America 2020. [DOI: 10.1073/pnas.2004978117]
Gautret 2013 {published data only}
    1. Gautret P, Benkouiten S, Salaheddine I, Parola P, Brouqui P. Preventive measures against MERS-CoV for Hajj pilgrims. Lancet Infectious Diseases 2013;13(10):829-31.
Gautret 2013a {published data only}
    1. Gautret P, Charrel R, Belhouchat K, Drali T, Benkouiten S, Nougairede A, et al. Lack of nasal carriage of novel corona virus (HCoV-EMC) in French Hajj pilgrims returning from the Hajj 2012, despite a high rate of respiratory symptoms. Clinical Microbiology & Infection 2013;19(7):E315-7.
Gautret 2014 {published data only}
    1. Gautret P, Charrel R, Benkouiten S, Belhouchat K, Nougairede A, Drali T, et al. Lack of MERS coronavirus but prevalence of influenza virus in French pilgrims after 2013 Hajj. Emerging Infectious Diseases 2014;20(4):728-30.
German 2015 {published data only}
    1. German M, Olsha R, Kristjanson E, Marchand-Austin A, Peci A, Winter AL, et al. Acute respiratory infections in travelers returning from MERS-CoV-affected areas. Emerging Infectious Diseases 2015;21(9):1654-6.
Griffiths 2016 {published data only}
    1. Griffiths K, Charrel R, Lagier J C, Nougairede A, Simon F, Parola P, et al. Infections in symptomatic travelers returning from the Arabian peninsula to France: a retrospective cross-sectional study. Travel Medicine & Infectious Disease 2016;14(4):414-6.
Gunthe 2020 {published data only}
    1. Gunthe SS, Patra SS. Impact of international travel dynamics on domestic spread of 2019-nCoV in India: origin-based risk assessment in importation of infected travelers. Global Health 2020;16(1):45.
Hossain 2020 {published data only}
    1. Hossain MP, Junus A, Zhu X, Jia P, Wen TH, Pfeiffer D, et al. The effects of border control and quarantine measures on the spread of COVID-19. Epidemics 2020;32:100397.
Hossein 2020 {published data only}
    1. Hossein RT, Shahriari S, Azad AK, Vafaee F. Real-time time-series modelling for prediction of COVID-19 spread and intervention assessment. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.04.24.20078923]
Hufnagel 2004 {published data only}
    1. Hufnagel L, Brockmann D, Geisel T. Forecast and control of epidemics in a globalized world. Proceedings of the National Academy of Sciences of the United States of America 2004;101(42):15124-9.
Jia 2020 {published data only}
    1. Jia JS, Lu X, Yuan Y, Xu G, Jia J, Christakis NA. Population flow drives spatio-temporal distribution of COVID-19 in China. Nature 2020;582(7812):389-94.
Johansson 2011 {published data only}
    1. Johansson MA, Arana-Vizcarrondo N, Biggerstaff BJ, Staples JE, Gallagher N, Marano N. On the treatment of airline travelers in mathematical models. PLoS ONE 2011;6(7):e22151.
Joo 2019 {published data only}
    1. Joo H, Maskery BA, Berro AD, Rotz LD, Lee YK, Brown CM. Economic impact of the 2015 MERS outbreak on the Republic of Korea's tourism-related industries. Health Security 2019;17(2):100-8.
Jungerman 2017 {published data only}
    1. Jungerman MR, Vonnahme LA, Washburn F, Alvarado-Ramy F. Federal travel restrictions to prevent disease transmission in the United States: an analysis of requested travel restrictions. Travel Medicine & Infectious Disease 2017;18:30-5.
Kong 2020 {published data only}
    1. Kong XS, Liu F, Wang HB, Yang RF, Chen DB, Wang XX, et al. Epidemic prevention and control measures in China significantly curbed the epidemic of COVID-19 and influenza. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.04.09.20058859]
Kraemer 2020 {published data only}
    1. Kraemer MU, Yang CH, Gutierrez B, Wu CH, Klein B, Pigott DM, et al. The effect of human mobility and control measures on the COVID-19 epidemic in China. Science 2020;368(6490):493-7.
Lai 2020a {published data only}
    1. Lai S, Bogoch I, Ruktanonchai N, Watts A, Lu X, Yang W, et al. Assessing spread risk of Wuhan novel coronavirus within and beyond China, January-April 2020: a travel network-based modelling study. medRxiv [Preprint] 2020. [DOI: dx.doi.org/10.1101/2020.02.04.20020479]
Lai 2020b {published data only}
    1. Lai S, Ruktanonchai NW, Carioli A, Ruktanonchai C, Floyd J, Prosper O, et al. Assessing the effect of global travel and contact reductions to mitigate the COVID-19 pandemic and resurgence. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.06.17.20133843]
Lai 2020c {published data only}
    1. Lai S, Ruktanonchai NW, Zhou L, Prosper O, Luo W, Floyd JR, et al. Effect of non-pharmaceutical interventions to contain COVID-19 in China. Nature 2020;04:04. [DOI: dx.doi.org/10.1038/s41586-020-2293-x]
Lam 2020 {published data only}
    1. Lam HY, Lam TS, Wong CH, Lam WH, Leung CM, Au KW, et al. The epidemiology of COVID-19 cases and the successful containment strategy in Hong Kong - January to May 2020. International Journal of Infectious Diseases 2020;21:21. [DOI: dx.doi.org/10.1016/j.ijid.2020.06.057]
Lau 2004 {published data only}
    1. Lau JT, Yang X, Tsui HY, Pang E. SARS related preventive and risk behaviours practised by Hong Kong-mainland China cross border travellers during the outbreak of the SARS epidemic in Hong Kong. Journal of Epidemiology & Community Health 2004;58(12):988-96.
Lee 2020 {published data only}
    1. Lee VJ, Chiew CJ, Khong WX. Interrupting transmission of COVID-19: lessons from containment efforts in Singapore. Journal of Travel Medicine 2020;27(3):18.
Liu 2011 {published data only}
    1. Liu X, Chen X, Takeuchi Y. Dynamics of an SIQS epidemic model with transport-related infection and exit-entry screenings. Journal of Theoretical Biology 2011;285(1):25-35.
Liu 2020 {published data only}
    1. Liu Q, Lu H, Chen R. Effect of a bundle of intervention strategies for the control of COVID-19 in Henan, a neighboring province of Wuhan, China. Wiener Klinische Wochenschrift 2020;132(13-14):396-399. [DOI: 10.1007/s00508-020-01688-9]
Luna 2007 {published data only}
    1. Luna LK, Panning M, Grywna K, Pfefferle S, Drosten C. Spectrum of viruses and atypical bacteria in intercontinental air travelers with symptoms of acute respiratory infection. Journal of Infectious Diseases 2007;195(5):675-9.
Ma 2017 {published data only}
    1. Ma X, Liu F, Liu L, Zhang L, Lu M, Abudukadeer A, et al. No MERS-CoV but positive influenza viruses in returning Hajj pilgrims, China, 2013-2015. BMC Infectious Diseases 2017;17:715.
Maeno 2016 {published data only}
    1. Maeno Y. Detecting a trend change in cross-border epidemic transmission. Physica a 2016;457:73-81.
Malmberg 2020 {published data only}
    1. Malmberg H, Britton T. Inflow restrictions can prevent epidemics when contact tracing efforts are effective but have limited capacity. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.04.01.20050401]
Marcelino 2012 {published data only}
    1. Marcelino J, Kaiser M. Critical paths in a metapopulation model of H1N1: efficiently delaying influenza spreading through flight cancellation. PLoS Currents 2012;4:e4f8c9a2e1fca8.
Myers 2020 {published data only}
    1. Myers JF, Snyder RE, Porse CC, Tecle S, Lowenthal P, Danforth ME, et al. Identification and monitoring of international travelers during the initial phase of an outbreak of COVID-19 - California, February 3-March 17, 2020. MMWR - Morbidity & Mortality Weekly Report 2020;69(19):599-602.
Pitman 2005 {published data only}
    1. Pitman RJ, Cooper BS, Trotter CL, Gay NJ, Edmunds WJ. Entry screening for severe acute respiratory syndrome (SARS) or influenza: policy evaluation. BMJ 2005;331(7527):1242-3.
Pullano 2020 {published data only}
    1. Pullano G, Valdano E, Scarpa N, Rubrichi S, Colizza V. Population mobility reductions during COVID-19 epidemic in France under lockdown. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.05.29.20097097]
Quilty 2020b {published data only}
    1. Quilty BJ, Diamond C, Liu Y, Gibbs H, Russell TW, Jarvis CI, et al. The effect of inter-city travel restrictions on geographical spread of COVID-19: evidence from Wuhan, China. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.04.16.20067504]
Ryu 2019 {published data only}
    1. Ryu S, Kim JJ, Cowling BJ, Kim C. Surveillance and public health response for travelers returning from MERS-CoV affected countries to Gyeonggi Province, Korea, 2016-2017. Travel Medicine & Infectious Disease 2019;31:101350.
Shah 2020 {published data only}
    1. Shah NH, Sheoran N, Jayswal EN, Shukla D, Shukla N, Shukla J, et al. Modelling COVID-19 transmission in the United States through interstate and foreign travels and evaluating impact of governmental public health interventions. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.05.23.20110999]
Shumway 2020 {published data only}
    1. Shumway B, Ibrahim D, Moss W. Monitoring returning travelers during the early weeks of the COVID-19 pandemic: one US county's experience. American Journal of Public Health 2020;110(7):962-3.
Sriwijitalai 2020b {published data only}
    1. Sriwijitalai W, Wiwanitkit V. Positive screening for Wuhan novel coronavirus infection at international airport: what's the final diagnosis for positive cases. International Journal of Preventive Medicine 2020;11:30.
Summan 2020 {published data only}
    1. Summan A, Nandi A. Timing of non-pharmaceutical interventions to mitigate COVID-19 transmission and their effects on mobility: a cross-country analysis. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.05.09.20096420]
Sun 2013 {published data only}
    1. Sun G, Abe N, Sugiyama Y, Nguyen QV, Nozaki K, Nakayama Y, et al. Development of an infection screening system for entry inspection at airport quarantine stations using ear temperature, heart and respiration rates. Conference Proceedings: Annual International Conference of the IEEE Engineering in Medicine & Biology Society 2013;2013:6716-9.
Thomas 2014 {published data only}
    1. Thomas HL, Zhao H, Green HK, Boddington NL, Carvalho CF, Osman HK, et al. Enhanced MERS coronavirus surveillance of travelers from the Middle East to England. Emerging Infectious Diseases 2014;20(9):1562-4.
Yip 2007 {published data only}
    1. Yip PS, Hsieh YH, Xu Y, Lam KF, King CC, Chang HL. Assessment of intervention measures for the 2003 SARS epidemic in Taiwan by use of a back-projection method. Infection Control and Hospital Epidemiology 2007;28(5):525-30.
Yuan 2020 {published data only}
    1. Yuan HY, Hossain MP, Tsegaye MM, Zhu X, Jia P, Wen TH, et al. Estimating the risk on outbreak spreading of 2019-nCoV in China using transportation data. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.02.01.20019984]
Zhao 2020a {published data only}
    1. Zhao Q, Chen Y, Small DS. Analysis of the epidemic growth of the early 2019-nCoV outbreak using internationally confirmed cases. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.02.06.20020941]
Zhao 2020b {published data only}
    1. Zhao Z, Li X, Liu F, Zhu G, Ma C, Wang L. Prediction of the COVID-19 spread in African countries and implications for prevention and control: a case study in South Africa, Egypt, Algeria, Nigeria, Senegal and Kenya. Science of the Total Environment 2020;729:138959.
Additional references
Adekunle 2020
    1. Adekunle A, Meehan M, Rojas-Alvarez D, Trauer J, McBryde E. Delaying the COVID-19 epidemic in Australia: evaluating the effectiveness of international travel bans. Australian and New Zealand Journal of Public Health 2020. [DOI: 10.1111/1753-6405.13016]
Anderson 2020
    1. Anderson SC, Mulberry N, Edwards AM, Stockdale J E, Iyaniwura SA, Falcao RC, et al. How much leeway is there to relax COVID-19 control measures? medRxiv [Preprint] 2020. [DOI: 10.1101/2020.06.12.20129833]
Brozek 2020
    1. Brozek J, Canelo-Aybar C, Akl EA, Bowen JM, Butcher, J, Chiu WA, et al. GRADE Guidelines 30: the GRADE approach to assessing the certainty of modelled evidence - an overview in the context of health decision-making.
Burns 2020
    1. Burns J, Movsisyan A, Biallas R, Coenen M, Geffert K, Horstick O, et al. Travel-related control measures to contain the COVID-19 pandemic: an evidence map. Under review.
Byambasuren 2020
    1. Byambasuren O, Cardona M, Bell K, Clark J, McLaws M-L, Glasziou P. Estimating the extent of asymptomatic COVID-19 and its potential for community transmission: systematic review and meta-analysis. medRxiv [Preprint] 2020. [DOI: 10.1101/2020.05.10.20097543]
Campbell 2020
    1. Campbell M, McKenzie JE, Sowden A, Katikireddi SV, Brennan SE, Ellis S, et al. Synthesis without meta-analysis (SWiM) in systematic reviews: reporting guideline. BMJ 368;(16890). [DOI: 10.1136/bmj.l6890]
Caro 2014
    1. Caro JJ, Eddy DM, Kan H, Kaltz C, Patel B, Eldessouki R, ISPOR-AMCP-NPC Modeling CER Task Forces. Questionnaire to assess relevance and credibility of modeling studies for informing health care decision making: an ISPOR-AMCP-NPC Good Practice Task Force report. Value in Health 2014;17(2):174-82. [DOI: 10.1016/j.jval.2014.01.003]
Egger 2017
    1. Egger M, Johnson L, Althaus C, Schoni A, Salanti G, Low N, et al. Developing WHO guidelines: time to formally include evidence from mathematical modelling studies. F1000Research 2017;6:1584. [DOI: 10.12688/f1000research.12367.2]
Errett 2020
    1. Errett NA, Sauer LM, Rutkow L. An integrative review of the limited evidence on international travel bans as an emerging infectious disease disaster control measure. Journal of Emergency Management 2020;18(1):7-14. [DOI: dx.doi.org/10.5055/jem.2020.0446]
Fani 2020
    1. Fani M, Teimoori A, Ghafari S. Comparison of the COVID-2019 (SARS-CoV-2) pathogenesis with SARS-CoV and MERS-CoV infections. Future Virology [Epub ahead of print] May 2020;10(2217):fvl-2020-0050. [DOI: 10.2217/fvl-2020-0050]
Folayan 2015
    1. Folayan M, Brown B. Ebola and the limited effectiveness of travel restrictions. Disaster Medicine and Public Health Preparedness 2015;9(1):92. [DOI: 10.1017/dmp.2015.1]
Furukawa 2020
    1. Furukawa NW, Brooks JT, Sobel J. Evidence supporting transmission of severe acute respiratory syndrome coronavirus 2 while presymptomatic or asymptomatic. Emerging Infectious Diseases 2020;26(7). [DOI: 10.3201/eid2607.201595]
Garritty 2020
    1. Garritty C, Gartlehner G, Kamel C, King VJ, Nussbaumer-Streit B, Stevens A, et al. Cochrane rapid reviews. Interim guidance from the Cochrane Rapid Reviews Methods Group. methods.cochrane.org/rapidreviews/sites/methods.cochrane.org.rapidreview... 2020.
Higgins 2019
    1. Higgins JP, Savović J, Page MJ, Elbers RG, Sterne JA. Chapter 8: Assessing risk of bias in a randomized trial. In: Higgins JP, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, et al (editors). Cochrane Handbook for Systematic Reviews of Interventions version 6.0 (updated July 2019). Cochrane, 2019. Available from www.training.cochrane.org/handbook.
Hultcrantz 2017
    1. Hultcrantz M, Rind D, Akl EA, Treweek S, Mustafa RA, Iorio A, et al. The GRADE Working Group clarifies the construct of certainty of evidence. Journal of Clinical Epidemiology 2017;87:4-13. [DOI: 10.1016/j.jclinepi.2017.05.006]
Kucirka 2020
    1. Kucirka LM, Lauer SA, Laeyendecker O, Boon D, Lessler J. Variation in false-negative rate of reverse transcriptase polymerase chain reaction-based SARS-CoV-2 tests by time since exposure. Annals of Internal Medicine 2020. [DOI: 10.7326/M20-1495]
Moher 2009
    1. Moher D, Liberati A, Tetzlaff J, Altman DG, The PRISMA Group. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA Statement. PLoS Medicine 2009;6(7):e1000097. [DOI: 10.1371/journal.pmed1000097]
Mouchtouri 2019
    1. Mouchtouri VA, Christoforidou EP, An der Heiden M, Menel Lemos C, Fanos M, Rexroth U, et al. Exit and entry screening practices for infectious diseases among travelers at points of entry: looking for evidence on public health impact. International Journal of Environmental Research & Public Health [Electronic Resource] 2019;16(23):21. [DOI: dx.doi.org/10.3390/ijerph16234638]
Nussbaumer‐Streit 2020
    1. Nussbaumer-Streit B, Mayr V, Dobrescu AI, Chapman A, Persad E, Klerings I, et al. Quarantine alone or in combination with other public health measures to control COVID-19: a rapid review. Cochrane Database of Systematic Reviews 2020, Issue 4. Art. No: CD013574. [DOI: 10.1002/14651858.CD013574]
Nuttal 2014
    1. Nuttal I. Ebola travel: vigilance, not bans (commentary) World Health Organization. Retrieved from. www.who.int/mediacentre/commentaries/ebola-travel/en/ 2014.
Nuzzo 2014
    1. Nuzzo JB, Cicero AJ, Waldhorn R, Inglesby TV. Travel bans will increase the damage wrought by ebola. Biosecurity and Bioterrorism 2014;12(6):306-9. [DOI: 10.1089/bsp.2014.1030]
Ouzzani 2016
    1. Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. Rayyan-a web and mobile app for systematic reviews. Systematic Reviews 2016;5(1):210. [DOI: 10.1186/s13643-016-0384-4]
Philips 2006
    1. Philips Z, Bojke L, Sculpher M, Claxton K, Golder S. Good practice guidelines for decision-analytic modelling in health technology assessment: a review and consolidation of quality assessment. Pharmacoeconomics 2006;24(4):355-71. [DOI: 10.2165/00019053-200624040-00006]
Schunemann 2008
    1. Schunemann HJ, Oxman AD, Brozek J, Glasziou P, Jaeschke R, Vist GE, GRADE Working Group. Grading quality of evidence and strength of recommendations for diagnostic tests and strategies. BMJ 2008;336(7653):1106-10. [DOI: 10.1136/bmj.39500.677199.AE]
Schunemann 2019
    1. Schunemann HJ, Cuello C, Akl EA, Mustafa RA, Meerpohl JJ, Thayer K, GRADE Working Group. GRADE guidelines: 18. How ROBINS-I and other tools to assess risk of bias in nonrandomized studies should be used to rate the certainty of a body of evidence. Journal of Clinical Epidemiology 2019;111:105-14. [DOI: 10.1016/j.jclinepi.2018.01.012]
Sterne 2016
    1. Sterne JA, Hernan MA, Reeves BC, Savovic J, Berkman ND, Viswanathan M, et al. ROBINS-I: a tool for assessing risk of bias in non-randomised studies of interventions. BMJ 2016;355:i4919. [DOI: 10.1136/bmj.i4919]
Strzelecki 2020
    1. Strzelecki A. The second worldwide wave of interest in coronavirus since the COVID-19 outbreaks in South Korea, Italy and Iran: a Google Trends study. Brain, Behavior, and Immunity 2020;88:950-1. [DOI: 10.1016/j.bbi.2020.04.042]
Tognotti 2013
    1. Tognotti E. Lessons from the history of quarantine, from plague to influenza A. Emerging Infectious Diseases 2013;19(2):254-9. [DOI: 10.3201/eid1902.120312]
Viswanathan 2020
    1. Viswanathan M, et al. Effectiveness and accuracy of universal screening for severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). A systematic review. Under review.. Cochrane Database of Systematic Reviews.
Whiting 2011
    1. Whiting PF, Rutjes AW, Westwood ME, Mallett S, Deeks JJ, Reitsma JB, QUADAS-2 Group. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Annals of Internal Medicine 2011;155(8):529-36. [DOI: 10.7326/0003-4819-155-8-201110180-00009]
WHO 2005
    1. World Health Organization (WHO). International Health Regulations. 2nd edition. Geneva: World Health Organization, 2005.
WHO 2019
    1. World Health Organization (WHO). Non-pharmaceutical public health measures for mitigating the risk and impact of epidemic and pandemic influenza. Geneva: World Health Organization, 2019.
WHO 2020a
    1. World Health Organization (WHO). Novel Coronavirus (2019-nCoV) Situation Report - 1. Available from www.who.int/docs/default-source/coronaviruse/situation-reports/20200121-... 2020.
WHO 2020b
    1. World Health Organization (WHO). Novel Coronavirus (2019-nCoV) Situation Report - 51. Available from apps.who.int/iris/bitstream/handle/10665/331475/nCoVsitrep11Mar2020-eng.... 2020.
Wu 2020
    1. Wu Z, McGoogan JM. Characteristics of and important lessons from the coronavirus disease 2019 (COVID-19) outbreak in China: summary of a report of 72314 cases from the Chinese Center for Disease Control and Prevention. JAMA 2020;323(13):1239-42. [DOI: 10.1001/jama.2020.2648]

Publication types

MeSH terms

LinkOut - more resources