Examining the immediate and ongoing impact of the COVID-19 pandemic on population-based estimates of dementia: a population-based time series analysis in Ontario, Canada
Notice bibliographique
Résumé
OBJECTIVES: Population-based chronic disease surveillance systems were likely disrupted by the COVID-19 pandemic. The objective of this study was to examine the immediate and ongoing impact of the COVID-19 pandemic on the claims-based incidence of dementia. METHODS: We conducted a population-based time series analysis from January 2015 to December 2021 in Ontario, Canada. We calculated the monthly claims-based incidence of dementia using a validated case ascertainment algorithm drawing from routinely collected health administrative data. We used autoregressive linear models to compare the claims-based incidence of dementia during the COVID-19 period (2020-2021) to the expected incidence had the pandemic not occurred, controlling for seasonality and secular trends. We examined incidence by source of ascertainment and across strata of sex, age, community size and number of health conditions. RESULTS: The monthly claims-based incidence of dementia dropped from a 2019 average of 11.9 per 10 000 to 8.5 per 10 000 in April 2020 (32.6% lower than expected). The incidence returned to expected levels by late 2020. Across the COVID-19 period there were a cumulative 2990 (95% CI 2109 to 3704) fewer cases of dementia observed than expected, equivalent to 1.05 months of new cases. Despite the overall recovery, ascertainment rates continued to be lower than expected among individuals aged 65-74 years and in large urban areas. Ascertainment rates were higher than expected in hospital and among individuals with 11 or more health conditions. CONCLUSIONS: The claims-based incidence of dementia recovered to expected levels by late 2020, suggesting minimal long-term changes to population-based dementia surveillance. Continued monitoring of claims-based incidence is necessary to determine whether the lower than expected incidence among individuals aged 65-74 and in large urban areas, and higher than expected incidence among individuals with 11 or more health conditions, is transitory.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».