Déterminants individuels et sociaux du test de dépistage du SRAS-CoV-2 et de l’obtention d’un résultat positif en Ontario, au Canada: une étude populationnelle
Notice bibliographique
Résumé
Contexte: Optimiser la réponse de la santé publique pour diminuer le fardeau de la COVID-19 nécessite la caractérisation de l’hétérogénéité du risque posé par la maladie à l’échelle de la population. Cependant, l’hétérogénéité du dépistage du SRAS-CoV-2 peut fausser les estimations selon le modèle d’étude analytique utilisé. Notre objectif était d’explorer les biais collisionneurs dans le cadre d’une vaste étude portant sur les déterminants de la maladie et d’évaluer les déterminants individuels, environnementaux et sociaux du dépistage et du diagnostic du SRAS-CoV-2 parmi les résidents de l’Ontario, au Canada. Méthodes: Nous avons exploré la présence potentielle de biais collisionneurs et caractérisé les déterminants individuels, environnementaux et sociaux de l’obtention d’un test de dépistage et d’un résultat positif à la présence de l’infection au SRAS-CoV-2 à l’aide d’analyses transversales parmi les 14,7 millions de personnes vivant dans la collectivité en Ontario, au Canada. Parmi les personnes ayant obtenu un diagnostic, nous avons utilisé des études analytiques distinctes afin de comparer les prédicteurs pour les personnes d’obtenir un résultat de test de dépistage positif plutôt que négatif, pour les personnes symptomatiques d’obtenir un résultat de test de dépistage positif plutôt que négatif et pour les personnes d’obtenir un résultat de test de dépistage positif plutôt que de ne pas obtenir un résultat positif (c.-à-d., obtenir un résultat de test de dépistage négatif ou ne pas obtenir de test de dépistage). Nos analyses comprennent des tests de dépistage réalisés entre le 1er mars et le 20 juin 2020. Résultats: Sur 14 695 579 personnes, nous avons constaté que 758 691 d’entre elles ont passé un test de dépistage du SRAS-CoV-2, parmi lesquelles 25 030 (3,3 %) ont obtenu un résultat positif. Plus la probabilité d’obtenir un test de dépistage s’éloignait de zéro, plus la variabilité généralement observée dans la probabilité d’un diagnostic était grande parmi les modèles d’études analytiques, particulièrement en ce qui a trait aux facteurs individuels. Nous avons constaté que la variabilité dans l’obtention d’un test de dépistage était moins importante en fonction des déterminants sociaux dans l’ensemble des études analytiques. Les facteurs tels que le fait d’habiter dans une région ayant une plus haute densité des ménages (rapport de cotes corrigé 1,86; intervalle de confiance [IC] à 95 % 1,75–1,98), une plus grande proportion de travailleurs essentiels (rapport de cotes corrigé 1,58; IC à 95 % 1,48–1,69), une population atteignant un plus faible niveau de scolarité (rapport de cotes corrigé 1,33; IC à 95 % 1,26–1,41) et une plus grande proportion d’immigrants récents (rapport de cotes corrigé 1,10; IC à 95 % 1,05–1,15), étaient systématiquement corrélés à une probabilité plus importante d’obtenir un diagnostic de SRAS-CoV-2, peu importe le modèle d’étude analytique employé. Interprétation: Lorsque la capacité de dépister est limitée, nos résultats suggèrent que les facteurs de risque peuvent être estimés plus adéquatement en utilisant des comparateurs populationnels plutôt que des comparateurs de résultat négatif au test de dépistage. Optimiser la lutte contre la COVID-19 nécessite des investissements dans des interventions structurelles déployées de façon suffisante et adaptées à l’hétérogénéité des déterminants sociaux du risque, dont le surpeuplement des ménages, l’occupation professionnelle et le racisme structurel.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».