Failing our Most Vulnerable: COVID-19 and Long-Term Care Facilities in Ontario
Notice bibliographique
Résumé
Abstract Background The COVID-19 epidemic has taken a fearsome toll on individuals residing in long-term care facilities (LTC). As of April 10, 2020 half of Canada’s COVID-19 deaths had occurred in LTC. We sought to better understand trends and risk factors for COVID-19 death in LTC in Ontario. Methods We analyzed a COVID-19 outbreak database created by the Ontario Ministry of Health, for the period March 29-April 7, 2020. Mortality incidence rate ratios for LTC were calculated with community living Ontarians aged > 69 used as the comparator group. Count-based regression methods were used to model temporal trends and identify associations between infection risk in staff and residents, and subsequent LTC resident death. Results Confirmed or suspected cases of COVID-19 were identified in 272/627 LTC by April 7, 2020. The incidence rate ratio for COVID-19 death was 13.1 (9.9-17.3) relative to community living adults over 69. Incidence rate ratio increased over time and was 87.28 (90% CrI 9.98 to 557.08) by April 7, 2020. Lagged infection in staff was a strong predictor of death in residents (e.g., adjusted IRR for death per infected staff member 1.17, 95% CI 1.11 to 1.26 at a 6-day lag). Interpretation Mortality risk in elders in Ontario is currently concentrated in LTC, and this risk has increased sharply over a short period of time. Early identification of risk requires a focus on testing and provision of personal protective equipment to staff, and restructuring the LTC workforce to prevent movement of COVID-19 between LTC. Funding The research was supported by a grant to DNF from the Canadian Institutes for Health Research (2019 COVID-19 rapid researching funding OV4-170360).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».