Country-level determinants of the severity of the first global wave of the COVID-19 pandemic: an ecological study
Notice bibliographique
Résumé
OBJECTIVE: We aimed to identify the country-level determinants of the severity of the first wave of the COVID-19 pandemic. DESIGN: Ecological study of publicly available data. Countries reporting >25 COVID-19 related deaths until 8 June 2020 were included. The outcome was log mean mortality rate from COVID-19, an estimate of the country-level daily increase in reported deaths during the ascending phase of the epidemic curve. Potential determinants assessed were most recently published demographic parameters (population and population density, percentage population living in urban areas, population >65 years, average body mass index and smoking prevalence); economic parameters (gross domestic product per capita); environmental parameters (pollution levels and mean temperature (January-May); comorbidities (prevalence of diabetes, hypertension and cancer); health system parameters (WHO Health Index and hospital beds per 10 000 population); international arrivals; the stringency index, as a measure of country-level response to COVID-19; BCG vaccination coverage; UV radiation exposure; and testing capacity. Multivariable linear regression was used to analyse the data. PRIMARY OUTCOME: Country-level mean mortality rate: the mean slope of the COVID-19 mortality curve during its ascending phase. PARTICIPANTS: Thirty-seven countries were included: Algeria, Argentina, Austria, Belgium, Brazil, Canada, Chile, Colombia, the Dominican Republic, Ecuador, Egypt, Finland, France, Germany, Hungary, India, Indonesia, Ireland, Italy, Japan, Mexico, the Netherlands, Peru, the Philippines, Poland, Portugal, Romania, the Russian Federation, Saudi Arabia, South Africa, Spain, Sweden, Switzerland, Turkey, Ukraine, the UK and the USA. RESULTS: Of all country-level determinants included in the multivariable model, total number of international arrivals (beta 0.033 (95% CI 0.012 to 0.054)) and BCG vaccination coverage (-0.018 (95% CI -0.034 to -0.002)), were significantly associated with the natural logarithm of the mean death rate. CONCLUSIONS: International travel was directly associated with the mortality slope and thus potentially the spread of COVID-19. Very early restrictions on international travel should be considered to control COVID-19 outbreaks and prevent related deaths.
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 | 0,004 | 0,029 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».