MétaCan
Menu
Retour à la cohorte
Enregistrement W3044678576 · doi:10.1001/jamanetworkopen.2020.15957

Risk Factors Associated With Mortality Among Residents With Coronavirus Disease 2019 (COVID-19) in Long-term Care Facilities in Ontario, Canada

2020· article· en· W3044678576 sur OpenAlexaffabout
David N. Fisman, Isaac I. Bogoch, Lauren Lapointe‐Shaw, Janine McCready, Ashleigh R. Tuite

Notice bibliographique

RevueJAMA Network Open · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensToronto East General HospitalUniversity Health NetworkPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)CoronavirusMedicinePandemicLong-term careDiseaseGerontologyEnvironmental healthOutbreakVirologyInfectious disease (medical specialty)NursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: The coronavirus disease 2019 (COVID-19) pandemic has been particularly severe among individuals residing in long-term care (LTC) facilities. As of April 10, 2020, half of Canada's COVID-19 deaths had occurred in LTC facilities. Objective: To better understand trends and risk factors associated with COVID-19 death in LTC facilities in Ontario, Canada. Design, Setting, and Participants: This cohort study of 627 LTC facilities included 269 total individuals who died of COVID-19 in Ontario to April 11, 2020, and 83 individuals who died of COVID-19 in Ontario LTC facilities to April 7, 2020. Because population denominators were not available for LTC residents, they were approximated as the total number of LTC facility beds in Ontario (79 498), assuming complete occupancy. Exposures: Confirmed or suspected COVID-19 outbreaks; confirmed COVID-19 infection among residents and staff, diagnosed by real-time polymerase chain reaction testing. Main Outcomes and Measures: COVID-19-specific mortality incidence rate ratios (IRRs) for LTC residents were calculated with community-living Ontarians older than 69 years as the comparator group. Count-based regression methods were used to model temporal trends and to identify associations of infection risk among staff and residents with subsequent LTC resident death. Model-derived IRRs for COVID-19-specific mortality were generated through bootstrap resampling (1000 replicates) to generate median and 95% credible intervals for IRR over time. Results: Of 627 LTC facilities, 272 (43.4%) reported COVID-19 infection in residents or staff. Of 1 731 315 total individuals older than 69 years living in Ontario during the study period, 229 (<0.1%) died; of 79 498 potential residents in LTC facilities, 83 (0.1%) died. The IRR for COVID-19-related death in LTC residents was 13.1 (95% CI, 9.9-17.3) compared with community-living adults older than 69 years. The IRR increased sharply over time and was 87.3 (95% credible interval, 6.4-769.8) by April 11, 2020. Infection among LTC staff was associated with death among residents with a 6-day lag (eg, adjusted IRR for death per infected staff member, 1.17; 95% CI, 1.11-1.26). Conclusions and Relevance: In this cohort study of COVID-19-related deaths during the pandemic in Ontario, Canada, mortality risk was concentrated in LTC residents and increased during a short period. Early identification of risk requires a focus on testing, providing personal protective equipment to staff, and restructuring the LTC workforce to prevent the movement of COVID-19 between facilities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,024
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,091
Tête enseignante GPT0,373
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations281
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetGeriatric Care and Nursing HomesTravaux en français237 207