MétaCan
Menu
Retour à la cohorte
Enregistrement W2751851284 · doi:10.1093/ofid/ofx163.1487

Neighborhood-Level Poverty, Poverty-Associated Factors, and Severe Outcomes among Adults Hospitalized with Influenza—United States, 2012–2015

2017· article· en· W2751851284 sur OpenAlexafffund
Rebekah Stewart Schicker, Kimberly Yousey‐Hindes, Melissa A. Rolfes, Charisse N Cummings, Evan J. Anderson, Marisa Bargsten, Nancy M. Bennett, Seth Eckel, Krista Lung, Melissa McMahon, Lisa A. Miller, Maya Monroe, Ilene Risk, William Schaffner, Ann Thomas, James Watt, Shelley M. Zansky, Carrie Reed, Alicia M. Fry, Shikha Garg

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensPublic Health Agency of CanadaCanadian Institutes of Health Research
Organismes subventionnairesCanadian Institutes of Health ResearchSanofi PasteurSanofiPfizer
Mots-clésMedicinePovertyPoverty levelGerontologyEnvironmental healthDemographyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Recent studies demonstrated higher influenza-associated hospitalization rates among individuals living in high-poverty neighborhoods. We explored the further impact of neighborhood-level poverty and individual, poverty-associated factors, on severe outcomes among hospitalized patients with influenza. We linked 2012–2015 data on hospitalized adults from the influenza hospitalization surveillance network (FluSurv-NET), by census tract, to the American Community Survey’s federal poverty estimates. High-poverty neighborhoods were defined as census tracts with ≥20% of households in poverty and low-poverty neighborhoods, <5%. We explored univariate associations between neighborhood-level poverty and influenza vaccination, tobacco use, alcohol abuse, and extreme obesity. Using logistic regression and clustering by census tract, we examined the independent association of these factors with intensive care unit (ICU) admission and death, controlling for age, race, sex, comorbid conditions, antiviral treatment, season, and time from symptom onset to hospitalization. Among 26,106 patients, 4,194 (16%) required ICU admission and 669 (3%) died. Those who currently used tobacco, abused alcohol, were extremely obese, or were unvaccinated were more likely to live in high-poverty (38%, 40%, 37%, 33%) compared with low-poverty neighborhoods (12%, 13%, 13%, 16%; P < .01), respectively. Living in a high-poverty neighborhood was not independently associated with ICU admission (OR: 0.97, CI: 0.87–1.10) or death (OR: 0.82, CI: 0.63–1.08). Being unvaccinated (OR: 1.24, CI: 1.15–1.35), tobacco use (OR: 1.31, CI: 1.19–1.45), and alcohol abuse (OR: 1.68, CI: 1.41–2.00) increased odds of ICU admission; extreme obesity increased odds of death (OR: 1.35, CI: 1.02–1.78). Poverty-associated factors, but not neighborhood-level poverty, were independently associated with severe outcomes among patients hospitalized with influenza. Increased vaccination and reductions in tobacco use, alcohol abuse, and extreme obesity could reduce severe influenza-associated outcomes. E. J. Anderson, AbbVie: Consultant, Consulting fee; NovaVax: Research Contractor, Research support; Regeneron: Research Contractor, Research grant; MedImmune: Research Contractor, Research grant and Research support; W. Schaffner, Pfizer: Scientific Advisor, Consulting fee; Merck: Scientific Advisor, Consulting fee; Novavax: Consultant, Consulting fee; Dynavax: Consultant, Consulting fee; Sanofi-pasteur: Consultant, Consulting fee; GSK: Consultant, Consulting fee; Seqirus: Consultant, Consulting fee

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,343
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207