The incidence of COVID-19 among dentists practicing in the community in Canada
Notice bibliographique
Résumé
BACKGROUND: Oral health care settings carry a potentially high risk of causing cross-infection between dentists and patients and among dental staff members due to close contact and use of aerosol-generating procedures. The authors aimed to estimate COVID-19 incidence rates among Canadian dentists over a 6-month period. METHODS: The authors conducted a prospective cohort study of 644 licensed dentists across Canada from July 29, 2020, through February 12, 2021. An online questionnaire, adapted from the World Health Organization's Unity Studies protocols for assessment of COVID-19 risk among health care workers, was used to collect data on self-reported severe acute respiratory syndrome coronavirus 2 infections every 4 weeks. A bayesian Poisson model was used to estimate the incidence rate and corresponding 95% credible intervals (CIs). RESULTS: Median age of participants was 47 years; most participants were women (56.4%) and general practitioners (90.8%). Median follow-up time was 188 days. Six participants reported COVID-19 infections during the study period, giving an incidence rate of 5.10 per 100,000 person-days (95% CI, 1.86 to 9.91 per 100,000 person-days). The incidence proportion was estimated to be 1,084 per 100,000 dentists (95% CI, 438 to 2,011 per 100,000 dentists) and 1,864 per 100,000 people (95% CI, 1,859 to 1,868 per 100,000 people) in the Canadian population during the same period. CONCLUSIONS: The low infection rate observed among Canadian dentists from July 29, 2020, through February 12, 2021, should be reassuring to the dental and general community. PRACTICAL IMPLICATIONS: Although the infection rates were low among Canadian dentists, it is important to continue to collect disease surveillance data.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».