Correlation between country-level numbers of COVID-19 cases and mortalities, and country-level characteristics: A global study
Notice bibliographique
Résumé
Background: Not much is known about correlations between country-level characteristics and country-level numbers of COVID-19 cases and mortalities. Methods: Using data from the World Health Organization and other international organisations, we summarised country-level COVID-19 case and mortality counts per 100,000 population, and COVID-19 case fatality rate from January 2020 to August 2021. We conducted adjusted linear regression analysis to assess relationships between these counts/rate and certain country-level characteristics. We reported adjusted regression coefficients, β and associated 95% confidence intervals. Results: There was a positive correlation between the number of cases and country-level male/female ratio, and positive correlations between the numbers of cases and mortalities and country-level proportion of 60+-year-olds, universal health coverage index of service coverage (UHC) and tourism. Country economic status correlated negatively with the numbers of cases and mortalities. COVID-19 case fatality rate was highest in Peru, South American region (9.2%), and lowest in Singapore, Western Pacific region (0.1%). A negative correlation was observed between case fatality rate and country-level male/female ratio, population density and economic status. These observations remained mostly among mid-/low-income countries, particularly a positive correlation between the number of cases and male/female ratio and proportion of 60+-year-olds. Conclusions: Various country-level characteristics such as male/female ratio, proportion of older adults, country economic status, UHC and tourism appear to be correlated with the country-level number of COVID-19 cases and/or mortalities. Consideration of these characteristics may be necessary when designing country-level COVID-19 epidemiological studies and in comparing COVID-19 data between countries.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».