MétaCan
Menu
← Retour à la cohorte
Enregistrement W4309971337 · doi:10.1136/bmjopen-2021-049689

Magnitude of COVID-19 deaths relative to other leading causes of death: a global analysis

2022· article· en· W4309971337 sur OpenAlexaff
Eunice Y. S. Chan, Davy Cheng, Janet Martin

Notice bibliographique

RevueBMJ Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensImpactWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineContext (archaeology)Coronavirus disease 2019 (COVID-19)Per capitaDemographyCause of deathMortality rateCase fatality rateOutbreakEnvironmental healthDiseaseGeographyPopulationInfectious disease (medical specialty)Virology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To quantify the burden of death that COVID-19 contributes relative to the top three causes of death for all countries. DESIGN: We performed uncertainty analyses and created contour plots for COVID-19 mortality to place the number of COVID-19 deaths in context relative to the top three causes of death in each country, across a plausible range of values for two key parameters: case fatality rate and magnitude of under-reporting. SETTING: All countries that have reported COVID-19 cases to the WHO and are included in the Global Burden of Disease Study by the Institute of Health Metrics and Evaluation. MAIN OUTCOMES AND MEASURES: Monthly number of deaths caused by COVID-19 and monthly number of deaths caused by the top three causes of death for every country. RESULTS: For countries that were particularly hard hit during the outbreak in 2020, most combinations of model parameters resulted in COVID-19 ranking within the top three causes of death. For countries not as hard hit on a per-capita basis, such as China and India, COVID-19 did not rank higher than the third leading cause of death at any combination of the model parameters within the given ranges. Up-to-date ranking of COVID-19 deaths relative to the top three causes of death for all countries globally is provided in an interactive online application. CONCLUSIONS: Estimating the country-level burden of death that COVID-19 contributes relative to the top three causes of death is feasible through contour graphs, even when the actual number of deaths or cases is unknown. This method can help convey importance by placing the magnitude of COVID-related deaths in context relative to more familiar causes of death by communicating when COVID-related deaths rank among the top three causes of death.

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)0,007
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,261
Tête enseignante GPT0,547
Écart entre enseignants0,286 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→