Excess deaths from COVID-19 and other causes by region, neighbourhood deprivation level and place of death during the first 30 weeks of the pandemic in England and Wales: A retrospective registry study
Notice bibliographique
Résumé
BACKGROUND: Excess deaths during the COVID-19 pandemic compared with those expected from historical trends have been unequally distributed, both geographically and socioeconomically. Not all excess deaths have been directly related to COVID-19 infection. We investigated geographical and socioeconomic patterns in excess deaths for major groups of underlying causes during the pandemic. METHODS: Weekly mortality data from 27/12/2014 to 2/10/2020 for England and Wales were obtained from the Office of National Statistics. Negative binomial regressions were used to model death counts based on pre-pandemic trends for deaths caused directly by COVID-19 (and other respiratory causes) and those caused indirectly by it (cardiovascular disease or diabetes, cancers, and all other indirect causes) over the first 30 weeks of the pandemic (7/3/2020-2/10/2020). FINDINGS: There were 62,321 (95% CI: 58,849 to 65,793) excess deaths in England and Wales in the first 30 weeks of the pandemic. Of these, 46,221 (95% CI: 45,439 to 47,003) were attributable to respiratory causes, including COVID-19, and 16,100 (95% CI: 13,410 to 18,790) to other causes. Rates of all-cause excess mortality ranged from 78 per 100,000 in the South West of England and in Wales to 130 per 100,000 in the West Midlands; and from 93 per 100,000 in the most affluent fifth of areas to 124 per 100,000 in the most deprived. The most deprived areas had the highest rates of death attributable to COVID-19 and other indirect deaths, but there was no socioeconomic gradient for excess deaths from cardiovascular disease/diabetes and cancer. INTERPRETATION: During the first 30 weeks of the COVID-19 pandemic there was significant geographic and socioeconomic variation in excess deaths for respiratory causes, but not for cardiovascular disease, diabetes and cancer. Pandemic recovery plans, including vaccination programmes, should take account of individual characteristics including health, socioeconomic status and place of residence. FUNDING: None.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».