Analysis of Potential Risk Factors of COVID-19 Based on Variants: Omicron, Delta, and Alpha
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) pandemic has changed which affects the risk of COVID-19 infection for specific subgroups. We focused on the subgroups based on the factors (sex, age, and vaccination) and COVID-19 strains (Alpha, Delta, and Omicron). Past studies focused on analysing these factors based on one geographic region or one COVID-19 strain. Therefore, there is a need to understand these factors’ association with risk of COVID-19 infection through analysing data from various geographic regions and strains. The association between COVID-19 strains and the factors was assessed through chi-square test and odds ratio tests. Sex, vaccination, age had a significant association with testing positive for the COVID-19 strains of interest in most geographies. The biggest difference was unvaccinated individuals have 3.14 higher odds of getting Alpha than vaccinated individuals in Canada. These findings provide insights into the groups that are more susceptible to contracting specific strains of COVID-19.The coronavirus disease 2019 (COVID-19) pandemic has changed which affects the risk of COVID-19 infection for specific subgroups. We focused on the subgroups based on the factors (sex, age, and vaccination) and COVID-19 strains (Alpha, Delta, and Omicron). Past studies focused on analysing these factors based on one geographic region or one COVID-19 strain. Therefore, there is a need to understand these factors’ association with risk of COVID-19 infection through analysing data from various geographic regions and strains. The association between COVID-19 strains and the factors was assessed through chi-square test and odds ratio tests. Sex, vaccination, age had a significant association with testing positive for the COVID-19 strains of interest in most geographies. The biggest difference was unvaccinated individuals have 3.14 higher odds of getting Alpha than vaccinated individuals in Canada. These findings provide insights into the groups that are more susceptible to contracting specific strains of COVID-19.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».