The Impact of Long-Term Care Home Ownership and Administration Type on All-Cause Mortality from March to April 2020 in Madrid, Spain
Notice bibliographique
Résumé
Our aim is to assess whether long-term care home (LTCH) ownership and administration type were associated with all-cause mortality in 470 LTCHs in the Community of Madrid (Spain) during March and April 2020, the first two months of the COVID-19 pandemic. There are eight categories of LTCH type, including various combinations of ownership type (for-profit, nonprofit, and public) and administration type (completely private, private with places rented by the public sector, administrative management by procurement, and completely public). Multilevel regression was used to examine the association between mortality and LTCH type, adjusting for LTCH size, the spread of the COVID-19 infection, and the referral hospital. There were 9468 deaths, a mortality rate of 18.3%. Public and private LTCHs had lower mortality than LTCHs under public-private partnership (PPP) agreements. In the fully adjusted model, mortality was 7.4% (95% CI, 3.1-11.7%) in totally public LTCHs compared with 21.9% (95% CI, 17.4-26.4%) in LTCHs which were publicly owned with administrative management by procurement. These results are a testimony to the fatal consequences that pre-pandemic public-private partnerships in long-term residential care led to during the first months of the COVID-19 pandemic in the Community of Madrid, Spain.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».