Demographic characteristics, acute care resource use and mortality by age and sex in patients with COVID-19 in Ontario, Canada: a descriptive analysis
Notice bibliographique
Résumé
BACKGROUND: Understanding resource use for coronavirus disease 2019 (COVID-19) is critical. We conducted a descriptive analysis using public health data to describe age- and sex-specific acute care use, length of stay (LOS) and mortality associated with COVID-19. METHODS: We conducted a descriptive analysis using Ontario's Case and Contact Management Plus database of individuals who tested positive for severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) in Ontario from Mar. 1 to Sept. 30, 2020, to determine age- and sex-specific hospital admissions, intensive care unit (ICU) admissions, use of invasive mechanical ventilation, LOS and mortality. We stratified analyses by month of infection to study temporal trends and conducted subgroup analyses by long-term care residency. RESULTS: During the observation period, 56 476 individuals testing positive for SARS-CoV-2 were reported; 41 049 (72.7%) of these were younger than 60 years, and 29 196 (51.7%) were female. Proportion of cases shifted from older populations (> 60 yr) to younger populations (10-39 yr) over time. Overall, 5383 (9.5%) of individuals were admitted to hospital; of these, 1183 (22.0%) were admitted to the ICU, and 712 (60.2%) of these received invasive mechanical ventilation. Mean LOS for individuals in the ward, ICU without invasive mechanical ventilation and ICU with invasive mechanical ventilation was 12.8 (standard deviation [SD] 15.4), 8.5 (SD 7.8) and 20.5 (SD 18.1) days, respectively. Among patients receiving care in the ward, ICU without invasive mechanical ventilation and ICU with invasive mechanical ventilation, 911/3834 (23.8%), 124/418 (29.7%) and 287/635 (45.2%) died, respectively. All outcomes varied by age and decreased over time, overall and within age groups. INTERPRETATION: This descriptive study shows use of acute care and mortality varying by age and decreasing between March and September 2020 in Ontario. Improvements in clinical practice and changing risk distributions among those infected may contribute to fewer severe outcomes.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».