Notice bibliographique
Résumé
ABSTRACT Background The burden of COVID-19 in Canada is unequally distributed geographically, with the largest number of cases and fatalities recorded in Québec and Ontario while other provinces experienced limited outbreaks. To date, however, no study has assessed how provincial epidemics have unfolded in a comparative perspective. This is essential to calibrate projections of the future course of the epidemic and plan health care resources for the second wave of infections. Methods Using newly released individual-level data collected by the Public Health Agency of Canada, we assess COVID-19-related morbidity and mortality across age and gender groups at the provincial level through a combination of demographic and survival analyses. Results Québec has the highest absolute and per capita number of COVID-19 confirmed positive cases, hospitalizations and fatalities in all age groups. In each province, a higher number of women than men test positive for the disease, especially above age 80. Yet consistently across age groups, infected men are more likely to be hospitalized and enter intensive care than women do. These gender differences in hospitalisation rates account for the higher case fatality risk due to COVID-19 among men compared to women. Interpretation Although health care capacity across provinces has been sufficient to treat severe cases, we find that the main factor accounting for gender differences in COVID-19-related mortality is the need for hospitalization and intensive care, especially above age 80. This suggests a selection effect of severe cases requiring to be treated in a hospital setting that needs to be further investigated.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».