Long-Term Care Home Size Association with COVID-19 Infection and Mortality in Catalonia in March and April 2020
Notice bibliographique
Résumé
We aim to assess how COVID-19 infection and mortality varied according to facility size in 965 long-term care homes (LTCHs) in Catalonia during March and April 2020. We measured LTCH size by the number of authorised beds. Outcomes were COVID-19 infection (at least one COVID-19 case in an LTCH) and COVID-19 mortality. Risks of these were estimated with logistic regression and hurdle models. Models were adjusted for county COVID-19 incidence and population, and LTCH types. Sixty-five per cent of the LTCHs were infected by COVID-19. We found a strong association between COVID-19 infection and LTCH size in the adjusted analysis (from 45% in 10-bed homes to 97.5% in those with over 150 places). The average COVID-19 mortality in all LTCHs was 6.8% (3887 deaths) and 9.2% among the COVID-19-infected LTCHs. Very small and large homes had higher COVID-19 mortality, whereas LTCHs with 30 to 70 places had the lowest level. COVID-19 mortality sharply increased with LTCH size in counties with a cumulative incidence of COVID-19 which was higher than 250/100,000, except for very small homes, but slightly decreased with LTCH size when the cumulative incidence of COVID-19 was lower. To prevent infection and preserve life, the optimal size of an LTCH should be between 30 and 70 places.
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 | 0,003 | 0,003 |
| 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 ».