Excess Mortality During the COVID-19 Pandemic in Jordan: Secondary Data Analysis
Notice bibliographique
Résumé
BACKGROUND: All-cause mortality and estimates of excess deaths are commonly used in different countries to estimate the burden of COVID-19 and assess its direct and indirect effects. OBJECTIVE: This study aimed to analyze the excess mortality during the COVID-19 pandemic in Jordan in April-December 2020. METHODS: Official data on deaths in Jordan for 2020 and previous years (2016-2019) were obtained from the Department of Civil Status. We contrasted mortality rates in 2020 with those in each year and the pooled period 2016-2020 using a standardized mortality ratio (SMR) measure. Expected deaths for 2020 were estimated by fitting the overdispersed Poisson generalized linear models to the monthly death counts for the period of 2016-2019. RESULTS: Overall, a 21% increase in standardized mortality (SMR 1.21, 95% CI 1.19-1.22) occurred in April-December 2020 compared with the April-December months in the pooled period 2016-2019. The SMR was more pronounced for men than for women (SMR 1.26, 95% CI 1.24-1.29 vs SMR 1.12, 95% CI 1.10-1.14), and it was statistically significant for both genders (P<.05). Using overdispersed Poisson generalized linear models, the number of expected deaths in April-December 2020 was 12,845 (7957 for women and 4888 for men). The total number of excess deaths during this period was estimated at 4583 (95% CI 4451-4716), with higher excess deaths in men (3112, 95% CI 3003-3221) than in women (1503, 95% CI 1427-1579). Almost 83.66% of excess deaths were attributed to COVID-19 in the Ministry of Health database. The vast majority of excess deaths occurred in people aged 60 years or older. CONCLUSIONS: The reported COVID-19 death counts underestimated mortality attributable to COVID-19. Excess deaths could reflect the increased deaths secondary to the pandemic and its containment measures. The majority of excess deaths occurred among old age groups. It is, therefore, important to maintain essential services for the elderly during pandemics.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,005 | 0,001 |
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 ».