COVID-19 Cases Among Facility-Staff by Neighbourhood of Residence and Social and Structural Determinants: An Observational Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND Disproportionate risks of COVID-19 in congregate settings including long-term care homes, retirement homes, and shelters both affect and are affected by SARS-CoV-2 infections among facility-staff. In cities across Canada, there has been a consistent trend of geographic clustering of COVID-19 cases. However, there remain limited data on how COVID-19 among facility-staff reflect urban neighbourhood disparities, particularly stratified by the social and structural determinants of community-level transmission. OBJECTIVE To compare the concentration of cumulative cases by geography and social/structural determinants across three mutually exclusive subgroups in the Greater Toronto Area (population 7.1 million): community, facility-staff, and healthcare workers (HCW) in other settings. METHODS We conducted a retrospective, observational study using surveillance data on laboratory-confirmed COVID-19 cases (January 23 to December 13, 2020; prior to vaccination roll-out). We derived neighbourhood-level social/structural determinants from census data, and generated Lorenz curves and Gini coefficients to visualize and quantify inequalities in cases. RESULTS The hardest-hit neighbourhoods (comprising 20% of the population) accounted for 53.4% of community cases, 48.6% of facility-staff cases, and 42.3% of other HCW cases. Compared with other HCW, cases in facility-staff more closely reflected the distribution of community cases. Cases in facility-staff reflected greater social and structural inequalities (larger Gini coefficients) than other HCW across all determinants. Facility-staff cases were also more likely than community cases to be concentrated in lower income neighbourhoods (Gini 0.24[0.15-0.38] vs 0.14[0.08-0.21] with lower household density (Gini 0.23[0.17-0.29] vs 0.17[0.12-0.22]) and with a greater proportion working in other essential services (Gini 0.29 [0.21-0.40], 0.22[0.17-0.28]). CONCLUSIONS COVID-19 cases among facility-staff largely reflects neighbourhood-level heterogeneity and disparities; even more so than cases in other HCW. Findings signal the importance of interventions prioritized and tailored to home geographies of facility-staff in addition to workplace measures, including prioritization and reach of vaccination at home (neighbourhood-level) and at work.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».