Immunosuppression and COVID-19 infection in British Columbia: Protocol for a linkage study of population-based administrative and self-reported survey data
Notice bibliographique
Résumé
Introduction Cases of the novel coronavirus disease (COVID-19) continue to spread around the world even one year after the declaration of a global pandemic. Those with weakened immune systems, due to immunosuppressive medications or disease, may be at higher risk of COVID-19. This includes individuals with autoimmune diseases, cancer, transplants, and dialysis patients. Assessing the risk and outcomes of COVID-19 in this population has been challenging. While administrative databases provide data with minimal selection and recall bias, clinical and behavioral data is lacking. To address this, we are collecting self-reported survey data from a randomly selected subsample with and without COVID-19, which will be linked to administrative health data, to better quantify the risk of COVID-19 infection associated with immunosuppression. Methods and analysis Using administrative and laboratory data from British Columbia (BC), Canada, we established a population-based case-control study of all individuals who tested positive for SARS-CoV-2. Each case was matched to 40 randomly selected individuals from two control groups: individuals who tested negative for SARS-CoV-2 (i.e., negative controls) and untested individuals from the general population (i.e., untested controls). We will contact 1000 individuals from each group to complete a survey co-designed with patient partners. A conditional logistic regression model will adjust for potential confounders and effect modifiers. We will examine the odds of COVID-19 infection according to immunosuppressive medication or disease type. To adjust for relevant confounders and effect modifiers not available in administrative data, the survey will include questions on behavioural variables that influence probability of being tested, acquiring COVID-19, and experiencing severe outcomes. Ethics and dissemination This study has received approval from the University of British Columbia Clinical Research Ethics Board [H20-01914]. Findings will be disseminated through scientific conferences, open access peer-reviewed journals, COVID-19 research repositories and dissemination channels used by our patient partners.
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 | 0,019 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».