Greatest Risk Factor for Death from COVID-19: Older Age, Chronic Disease Burden, or Place of Residence? Descriptive Analysis of Population-Level Canadian Data
Notice bibliographique
Résumé
During the first wave of COVID-19, three-quarters of Canadian deaths were among those age 80 and older. We examined whether age, chronic disease load, sex, or place was the strongest predictor of such deaths. A cross-sectional analysis of administrative data from 1 January 2020 to 30 October 2020 for the population of Ontario (n = 15,023,174) was performed. Using logistic regression analysis, we determined whether place of residence (community dwelling, community dwelling with formal home care, or long-term care facility), age group, sex, or chronic disease burden was most strongly associated with the outcome of death within 60 days of a positive SARS-CoV-2 PCR test. Overall, there were 2766 deaths attributed to COVID-19. The age-related odds of dying increased from 6.1 (age 65–74) to 13.4 (age 85 or older) relative to those aged <65 years. This age effect was dwarfed by an odds ratio of 117.1 for those living in long-term care versus independently in the community, adjusted for age, sex, and chronic disease burden. The risk of death from COVID-19 aligned much more with social realities than individual risks. The disproportionate mortality arising specifically from institutional residence demands action to identify sources and ameliorate the harms of living in such facilities.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».