SARS-CoV-2 infection among healthcare workers: the role of occupational and household exposures during the first three pandemic waves in Quebec, Canada
Notice bibliographique
Résumé
Objective: We described the evolution of SARS-CoV-2 source of infection in a cohort of healthcare workers (HCWs) of Quebec, Canada, during the first three pandemic waves. We also estimated their household secondary attack rate (SAR) and its risk factors. Design: Cross-sectional surveys. Participants: HCWs with a SARS-CoV-2 infection confirmed by polymerasa chain reaction and diagnosed between March 2020 and May 2021. Methods: We collected demographic, clinical, vaccination, and employment information, self-reported perceived source of infection, and transmission to household members during the first three pandemic waves. SAR was calculated for households with ≥2 members where the HCW was the index case. A Poisson regression model estimated the association between risk factors and SAR. Results: Among the 11,670 HCWs completing the survey, 91%, perceived their workplace as the source of infection during the first wave (March-July 2020), 71% during the second wave (July 2020-March 2021), and 40% during the third wave (March-May 2021). Conversely, HCWs reported an increasing proportion of household-acquired infections with each wave from 4% to 14% and 33%, respectively. The overall household SAR of 7,990 HCWs living with ≥1 person was 30% (95%CI: 29-30). SAR increased with the presence of symptoms, older age, and during Alpha-variant predominant period. Conclusions: HCWs and their household members were largely affected during the first pandemic waves of COVID-19, but the relative importance of occupational exposure changed overtime. Pandemic preparedness in healthcare settings is essential to protect HCWs from emerging biological hazard exposures.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».