Clinical risk, sociodemographic factors, and SARS-CoV-2 infection over time in Ontario, Canada
Notice bibliographique
Résumé
We aimed to determine whether early public health interventions in 2020 mitigated the association of sociodemographic and clinical risk factors with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection. We conducted a population-based cohort study of all adults in Ontario, Canada who underwent testing for SARS-CoV-2 through December 31, 2020. The outcome was laboratory-confirmed SARS-CoV-2 infection, determined by reverse transcription polymerase chain reaction testing. Adjusted odds ratios (ORs) were determined for sociodemographic and clinical risk factors before and after the first-wave peak of the pandemic to assess for changes in effect sizes. Among 3,167,753 community-dwelling individuals, 142,814 (4.5%) tested positive. The association between age and SARS-CoV-2 infection risk varied over time (P-interaction < 0.0001). Prior to the first-wave peak, SARS-CoV-2 infection increased with age whereas this association reversed thereafter. Risk factors that persisted included male sex, residing in lower income neighborhoods, residing in more racially/ethnically diverse communities, immigration to Canada, hypertension, and diabetes. While there was a reduction in infection rates after mid-April 2020, there was less impact in regions with higher racial/ethnic diversity. Immediately following the initial peak, individuals living in the most racially/ethnically diverse communities with 2, 3, or ≥ 4 risk factors had ORs of 1.89, 3.07, and 4.73-fold higher for SARS-CoV-2 infection compared to lower risk individuals in their community (all P < 0.0001). In the latter half of 2020, this disparity persisted with corresponding ORs of 1.66, 2.48, and 3.70-fold higher, respectively. In the least racially/ethnically diverse communities, there was little/no gradient in infection rates across risk strata. Further efforts are necessary to reduce the risk of SARS-CoV-2 infection among the highest risk individuals residing in the most racially/ethnically diverse communities.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».