MétaCan
Menu
Retour à la cohorte
Enregistrement W4308721886 · doi:10.3389/fpubh.2022.1021871

Importance of occupation for SARS-CoV-2 seroprevalence and COVID-19 vaccination among correctional workers in Quebec, Canada: A cross-sectional study

2022· article· en· W4308721886 sur OpenAlexafffundabout
Nadine Kronfli, Camille Dussault, Mathieu Maheu‐Giroux, Alexandros Halavrezos, Sylvie Chalifoux, Hyejin Park, Lina Del Balso, Matthew P. Cheng, Joseph Cox

Notice bibliographique

RevueFrontiers in Public Health · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchPublic Health AgencyInstitut National de Santé Publique du QuébecGilead SciencesMcGill UniversityPublic Health Agency of CanadaWorld Health Organization
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)SeroprevalenceCross-sectional study2019-20 coronavirus outbreakVaccinationMedicineEnvironmental healthVirologyOutbreakImmunology

Résumé

récupéré en direct d'OpenAlex

Background: Correctional workers are at increased risk of SARS-CoV-2 infection. We examined the seroprevalence of SARS-CoV-2, determined the effects of carceral and occupational exposures on seropositivity, and explored predictors of COVID-19 vaccine uptake among correctional workers in Quebec, Canada. Methods: serology test) and self-reported COVID-19 vaccination status ("fully vaccinated" defined as two doses or prior infection plus one dose), respectively. Poisson regression models with robust standard error were used to examine the effect of occupational variables with SARS-CoV-2 seropositivity and predictors of COVID-19 vaccine uptake. Estimates are presented as crude and adjusted prevalence ratios (aPR) with 95% confidence intervals (95% CI). Results: From 14 July to 15 November 2021, 105/600 (18%) correctional workers tested positive across three prisons (range 11-21%); 76% were fully vaccinated. Seropositivity was affected by prison occupation (aPR 1.59, 95% CI 1.11-2.27 for correctional officers vs. all other occupations) and low perceived concern of SARS-CoV-2 acquisition (aPR 1.62, 95% CI 1.11-2.38 for not/hardly worried vs. somewhat/extremely worried). Predictors of being fully vaccinated included race/ethnicity (aPR 0.86, 95% CI 0.76-0.99 for visible minority vs. White), presence of comorbidities (aPR 1.14, 95% CI 1.02-1.28 for > 2 vs. none), and prison occupation (aPR 0.82, 95% CI 0.73-0.92 for correctional officers vs. all other occupations). Conclusions: Correctional officers were most likely to have acquired SARS-CoV-2, but least likely to be vaccinated, underscoring the importance of addressing both occupational risks and COVID-19 vaccine hesitancy to mitigate future outbreaks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,380
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207