Risk factors for developing COVID-19: a population-based longitudinal study (COVIDENCE UK)
Notice bibliographique
Résumé
Background Risk factors for severe COVID-19 include older age, male sex, obesity, black or Asian ethnicity and underlying medical conditions. Whether these factors also influence susceptibility to developing COVID-19 is uncertain. Methods We undertook a prospective, population-based cohort study (COVIDENCE UK) from 1 May 2020 to 5 February 2021. Baseline information on potential risk factors was captured by an online questionnaire. Monthly follow-up questionnaires captured incident COVID-19. We used logistic regression models to estimate multivariable-adjusted ORs (aORs) for associations between potential risk factors and odds of COVID-19. Results We recorded 446 incident cases of COVID-19 in 15 227 participants (2.9%). Increased odds of developing COVID-19 were independently associated with Asian/Asian British versus white ethnicity (aOR 2.28, 95% CI 1.33 to 3.91), household overcrowding (aOR per additional 0.5 people/bedroom 1.26, 1.11 to 1.43), any versus no visits to/from other households in previous week (aOR 1.31, 1.06 to 1.62), number of visits to indoor public places (aOR per extra visit per week 1.05, 1.02 to 1.09), frontline occupation excluding health/social care versus no frontline occupation (aOR 1.49, 1.12 to 1.98) and raised body mass index (BMI) (aOR 1.50 (1.19 to 1.89) for BMI 25.0–30.0 kg/m 2 and 1.39 (1.06 to 1.84) for BMI >30.0 kg/m 2 versus BMI <25.0 kg/m 2 ). Atopic disease was independently associated with decreased odds (aOR 0.75, 0.59 to 0.97). No independent associations were seen for age, sex, other medical conditions, diet or micronutrient supplement use. Conclusions After rigorous adjustment for factors influencing exposure to SARS-CoV-2, Asian/Asian British ethnicity and raised BMI were associated with increased odds of developing COVID-19, while atopic disease was associated with decreased odds. Trial registration number ClinicalTrials.gov Registry ( NCT04330599 ).
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».