MétaCan
Menu
Retour à la cohorte
Enregistrement W4310333363 · doi:10.1136/thorax-2022-219591

Rebound in asthma exacerbations following relaxation of COVID-19 restrictions: a longitudinal population-based study (COVIDENCE UK)

2022· article· en· W4310333363 sur OpenAlexfundno aff
Florence Tydeman, Paul Pfeffer, Giulia Vivaldi, Hayley Holt, Mohammad Talaei, David A. Jolliffe, Gwyneth A. Davies, Ronan A Lyons, C.E.M. Griffiths, Frank Kee, Aziz Sheikh, Seif O. Shaheen, Adrian R. Martineau

Notice bibliographique

RevueThorax · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesAsthma and Lung UKBritish Heart FoundationCancer Research UKArthritis SocietyBritish Lung FoundationBarts CharityDiabetes UKUK Research and Innovation
Mots-clésMedicineAsthmaExacerbationCoronavirus disease 2019 (COVID-19)PopulationConfoundingPoisson regressionIncidence (geometry)Asthma exacerbationsDemographyPandemicLogistic regressionPediatricsInternal medicineEnvironmental healthDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The imposition of restrictions on social mixing early in the COVID-19 pandemic was followed by a reduction in asthma exacerbations in multiple settings internationally. Temporal trends in social mixing, incident acute respiratory infections (ARI) and asthma exacerbations following relaxation of COVID-19 restrictions have not yet been described. METHODS: We conducted a population-based longitudinal study in 2312 UK adults with asthma between November 2020 and April 2022. Details of face covering use, social mixing, incident ARI and severe asthma exacerbations were collected via monthly online questionnaires. Temporal changes in these parameters were visualised using Poisson generalised additive models. Multilevel logistic regression was used to test for associations between incident ARI and risk of asthma exacerbations, adjusting for potential confounders. RESULTS: Relaxation of COVID-19 restrictions from April 2021 coincided with reduced face covering use (p<0.001), increased frequency of indoor visits to public places and other households (p<0.001) and rising incidence of COVID-19 (p<0.001), non-COVID-19 ARI (p<0.001) and severe asthma exacerbations (p=0.007). Incident non-COVID-19 ARI associated independently with increased risk of asthma exacerbation (adjusted OR 5.75, 95% CI 4.75 to 6.97) as did incident COVID-19, both prior to emergence of the omicron variant of SARS-CoV-2 (5.89, 3.45 to 10.04) and subsequently (5.69, 3.89 to 8.31). CONCLUSIONS: Relaxation of COVID-19 restrictions coincided with decreased face covering use, increased social mixing and a rebound in ARI and asthma exacerbations. Associations between incident ARI and risk of severe asthma exacerbation were similar for non-COVID-19 ARI and COVID-19, both before and after emergence of the SARS-CoV-2 omicron variant. STUDY REGISTRATION NUMBER: NCT04330599.

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)0,003
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 enseignants0,095
Score d'incertitude au seuil0,189

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,298
Tête enseignante GPT0,463
Écart entre enseignants0,165 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThoraxMême sujetCOVID-19 epidemiological studiesTravaux en français237 207