Lessons from COVID-19 mortality data across countries
Notice bibliographique
Résumé
OBJECTIVE: Several online sources provide up-to-date open-access data on numbers, rates and proportions of COVID-19 deaths. Our article aims of comparing and interpreting between-country trends of mortality rate, case-fatality and all-cause excess mortality. METHODS: We used data from open databases (Our World in Data mostly) for comparing mortality of eleven western countries (Austria, Belgium, Canada, France, Germany, Italy, Netherlands, Spain, Sweden, UK, USA). Between-country trends in mortality rate and case-fatality (both including deaths for COVID-19 as numerator and therefore labelled as COVID-19 mortality metrics) and all-cause excess mortality (i.e. observed deaths during the epidemic compared with those expected based on mortality in the same periods of previous years) were compared. RESULTS: Although Belgium ranks first in mortality from COVID-19 (possibly due to the broadest criterion for attributing a death to COVID-19), it does not rank first for all-cause excess mortality. Conversely, compared with Belgium, the UK, Italy and Spain have reported lower COVID-19 mortality (possibly due to the narrower definitions for a COVID-19 death) but higher all-cause excess mortality. Germany and Austria are the unique countries for which COVID-19 mortality, case-fatality and all-cause excess mortality consistently exhibited the lowest rates. CONCLUSION: Between-country heterogeneity of COVID-19 mortality metrics could be largely explained by differences of criteria for attributing a death to COVID-19; in age/comorbidity structures; in policies for identifying asymptomatic people affected from SARS-CoV-2 infection. All-cause excess mortality is recommended as a more reliable metric for comparing countries.
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 | 0,060 | 0,233 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».