Factors associated with transmission of COVID-19 in long-term care facility outbreaks
Notice bibliographique
Résumé
BACKGROUND: Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has had a disproportionate impact on residents in long-term care facilities (LTCFs). AIM: To identify risk factors associated with outbreak severity to inform current outbreak management and future pandemic preparedness planning efforts. METHODS: A retrospective cohort study design was used to evaluate the association between non-modifiable factors (facility building, organization level, and resident population characteristics), modifiable factors (measured through an assessment tool for infection prevention and control (IPC) and pandemic preparedness), and severity of COVID-19 outbreaks (attack rate) in LTCFs. FINDINGS: , 2021, a total of 145 exposures to at least one confirmed case of COVID-19 in 82 LTCFs occurred. Risk factors associated with increased outbreak severity were older facility age, a resident (vs staff) index case, and poorer assessment tool performance. Specifically, for every item not met in the assessment tool, a 22% increase in the adjusted rate ratio was observed (1.2; 95% confidence interval: 1.1-1.4) after controlling for other risk factors. CONCLUSION: Scores from an assessment tool, older building age, and the index case being a resident were associated with severity of COVID-19 outbreaks in our jurisdiction. The findings reinforce the importance of regularly assessing IPC measures and outbreak preparedness in preventing large outbreaks. Regular, systematic assessments incorporating IPC and outbreak preparedness measures may help mitigate impacts of future outbreaks and inform future pandemic preparedness planning.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».