Older age groups and country-specific case fatality rates of COVID-19 in Europe, USA and Canada
Notice bibliographique
Résumé
Abstract Purpose To evaluate the association between the percentages of older age groups among confirmed SARS-CoV-2 infections and the country-specific case fatality rate (CFR). Methods This ecological study analyzed data from the 20 most severely affected European countries, USA and Canada, in which national health authorities provided data on age distribution and gender among confirmed SARS-CoV-2 cases and deaths. Results The proportion of individuals older than 70 years among confirmed SARS-CoV-2 cases differed markedly between the countries, ranging from 4.9 to 40.4%. There was a strong linear association between the proportion of individuals older than 75 years and the country-specific CFRs (R2 = 0.803 for all countries,R2 = 0.961 after exclusion of three countries with incongruent data). Each 5% point increase of this older age group among confirmed SARS-CoV-2 cases was associated with an increase in CFR of 2.5% points (95% CI 1.9–3.1). Conclusion Data from 20 European countries and the USA and Canada showed that the variance of crude CFR of COVID-19 is predominantly (80–96%) determined by the proportion of older individuals who are diagnosed with SARS-CoV-2. The age distribution of SARS-CoV-2 infections is still far from being homogeneous. Detailed demographic data have to be taken into account in all the analyses on COVID-19-associated mortality. We urgently call for standardized data collection by national health authorities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».