Change in mortality rates of respiratory disease during the COVID-19 pandemic
Notice bibliographique
Résumé
OBJECTIVE: This study explored the change in mortality rates of respiratory disease during the corona virus disease 2019 (COVID-19) pandemic. METHODS: Death data of registered residents of Suzhou from 2014 to 2020 were collected and the weekly mortality rates due to respiratory disease and all deaths were analyzed. The differences in mortality rates during the pandemic and the same period in previous years were compared. RESULTS: Before the pandemic, the crude mortality rate (CMR) and standardized mortality rate (SMR) of Suzhou residents including respiratory disease, were not much different from those in previous years. During the emergency period, the CMR of Suzhou residents was 180.2/100,000 and the SMR was 85.5/100,000, decreasing by 9.1% and 14.6%, respectively; the CMR of respiratory disease was 16.4/100,000 and the SMR was 6.8/100,000, down 41.4% and 44.9%, respectively. Regardless of the mortality rates of all deaths or respiratory disease, the rates were higher in males than in females, although males had aslightly greater decrease in all deaths during the emergency period compared with females, and the opposite was true for respiratory disease. CONCLUSION: During the pandemic, the death rate of residents decreased, especially that due to respiratory disease.
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 | 0,003 | 0,012 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».