Excess mortality in the general population versus Veterans Healthcare System during the first year of the COVID-19 pandemic in the United States
Notice bibliographique
Résumé
ABSTRACT Importance The COVID-19 pandemic had a substantial impact on the overall rate of death in the United States during the first year. It is unclear whether access to comprehensive medical care, such as through the VA healthcare system, altered death rates compared to the US population. Objective Quantify the increase in death rates during the first year of the COVID-19 pandemic in the general US population and among individuals who receive comprehensive medical care through the Department of Veterans Affairs (VA). Design Analysis of changes in all-cause death rates by quarter, stratified by age, sex race/ethnicity, and region, based on individual-level data. Hierarchical regression models were fit in a Bayesian setting. Standardized rates were used for comparison between populations. Setting and participants General population of the United States, enrollees in the VA, and active users of VA healthcare. Exposure and main outcome Changes in rates of death from any cause during the COVID-19 pandemic in 2020 compared to previous years. Results Sharp increases were apparent across all of the adult age groups (25 years and older) in both the general US population and the VA populations. Across all of 2020, the relative increase in death rates was similar in the general US population (RR: 1.20 (95% CI: 1.17, 1.22)), VA enrollees (RR: 1.20 (95% CI: 1.14, 1.29)), and VA active users (RR: 1.19 (95% CI: 1.14, 1.26)). Because the pre-pandemic standardized mortality rates were higher in the VA populations prior to the pandemic, the absolute rates of excess mortality were higher in the VA populations. Conclusions and Relevance Despite access to comprehensive medical care, active users of the VA had similar relative mortality increases from all causes compared with the general US population. Factors that influenced baseline rates of death and that mitigated viral transmission in the community are more likely to have influenced the impact of the pandemic.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».