Neighbourhood-level risk factors of COVID-19 incidence and mortality
Notice bibliographique
Résumé
Abstract Background Racialized and low income communities face disproportionally high rates of coronavirus 2019 (COVID-19) infection and death. However, data on inequities in COVID-19 across granular categories of socio-demographic characteristics is more sparse. Methods Neighbourhood-level counts of COVID-19 cases and deaths in Ontario, Canada recorded as of July 28 th , 2020 were extracted from provincial and local reportable infectious disease surveillance systems. Associations between COVID-19 incidence and mortality and 18 neighbourhood-level measures of immigration, race, housing and socio-economic characteristics were estimated with Poisson generalized linear mixed models. Housing characteristic variables were subsequently added to models to explore if housing may have a confounding influence on the relationships between immigration, race, and socio-economic status and COVID-19 incidence. Results There were large inequities in COVID-19 incidence and mortality across the socio-demographic variables examined. Neighbourhoods having a higher proportion immigrants, racialized populations, large households and low socio-economic status were associated with COVID-19 risk. Adjusting for housing characteristics, especially unsuitably crowded housing, attenuated COVID-19 risks. However persistent risk remained for neighbourhoods having high proportions of immigrants, racialized populations, and proportion of Black, Latin American, and South Asian residents. Conclusions Socio-demographic factors account for some of the neighbourhood-level differences in COVID-19 across Ontario. Housing characteristics account for a portion, but not all, of the excess burden of COVID-19 experienced by immigrant, racialized, low income and low education populations.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».