MétaCan
Menu
Retour à la cohorte
Enregistrement W3148968483 · doi:10.1101/2021.03.27.21254452

Risk factors for developing COVID-19: a population-based longitudinal study (COVIDENCE UK)

2021· preprint· en· W3148968483 sur OpenAlexfundno aff
Hayley Holt, Mohammad Talaei, Matthew Greenig, Dominik Zenner, Jane Symons, Clare Relton, Katherine S. Young, Molly R. Davies, Katherine Thompson, Jed Ashman, Sultan Saeed Rajpoot, Ahmed Ali Kayyale, Sarah El Rifai, Philippa Lloyd, David A. Jolliffe, Sarah Finer, Stamatina Ilidriomiti, Alec Miners, Nicholas S Hopkinson, Bodrul Alam, Paul Pfeffer, David McCoy, Gwyneth A. Davies, Ronan A Lyons, Chris Griffiths, Frank Kee, Aziz Sheikh, Gerome Breen, Seif O. Shaheen, Adrian R. Martineau

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesAsthma and Lung UKBritish Heart FoundationCancer Research UKMedical Research CouncilBritish Lung FoundationBarts CharityDiabetes UKUK Research and InnovationEconomic and Social Research CouncilRosetrees TrustArthritis SocietyVasculitis UK
Mots-clésMedicineDemographyOvercrowdingBody mass indexOdds ratioObesityLogistic regressionPopulationEthnic groupOddsEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

Summary Background Risk factors for severe COVID-19 include older age, male sex, obesity, Black or Asian ethnicity and underlying medical conditions. Whether these factors also influence susceptibility to developing COVID-19 is uncertain. Methods We undertook a prospective, population-based cohort study (COVIDENCE UK) from 1 st May 2020 to 5 th February 2021. Baseline information on potential risk factors was captured by an online questionnaire. Monthly follow-up questionnaires captured incident COVID-19. We used logistic regression models to estimate multivariable-adjusted odds ratios (aORs) for associations between potential risk factors and risk of COVID-19. Findings We recorded 446 incident cases of COVID-19 in 15,227 participants (2.9%). Increased risk of developing COVID-19 was independently associated with Asian/Asian British vs . White ethnicity (aOR 2.31, 95% CI 1.35-3.95), household overcrowding (aOR per additional 0.5 people/bedroom 1.26, 1.11-1.43), any vs . no visits to/from other households in previous week (aOR 1.33, 1.07-1.64), number of visits to indoor public places (aOR per extra visit per week 1.05, 1.01-1.09), frontline occupation excluding health/social care vs . no frontline occupation (aOR 1.49, 1.12-1.98), and raised body mass index (BMI) (aOR 1.51 [1.20-1.90] for BMI 25.0-30.0 kg/m 2 and 1.38 [1.05-1.82] for BMI >30.0 kg/m 2 vs . BMI <25.0 kg/m 2 ). Atopic disease was independently associated with decreased risk (aOR 0.76, 0.59-0.98). No independent associations were seen for age, sex, other medical conditions, diet, or micronutrient supplement use. Interpretation After rigorous adjustment for factors influencing exposure to SARS-CoV-2, Asian/Asian British ethnicity and raised BMI were associated with increased risk of developing COVID-19, while atopic disease was associated with decreased risk. Funding Barts Charity, Health Data Research UK

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,239
Tête enseignante GPT0,480
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 and Mental HealthTravaux en français237 207