MétaCan
Menu
Retour à la cohorte
Enregistrement W4390816250 · doi:10.3389/fepid.2023.1248847

The descriptive epidemiology of pre-omicron SARS-CoV-2 breakthrough infections and severe outcomes in Manitoba, Canada

2024· article· en· W4390816250 sur OpenAlexafffundabout
Souradet Y. Shaw, Jason Kindrachuk, Lyle R. McKinnon, Jeffery C. S. Biegun, Jocelyn N. Reimer, Carla Loeppky, Yichun Wei, Jared Bullard, Paul Van Caeseele, Derek R. Stein

Notice bibliographique

RevueFrontiers in Epidemiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensManitoba HealthWinnipeg Regional Health AuthorityUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineEpidemiologyHazard ratioPublic healthPandemicVaccinationConfidence intervalPopulationEnvironmental healthCoronavirus disease 2019 (COVID-19)DiseaseDemographyPediatricsInternal medicineImmunologyInfectious disease (medical specialty)Pathology

Résumé

récupéré en direct d'OpenAlex

Introduction: Vaccination plays a key role in curbing severe outcomes resulting from COVID-19 disease. With the Omicron variant and the relaxing of public health protections breakthrough infections are increasingly common, and certain groups remain at higher risk for severe outcomes from breakthrough infections. We analysed population-based public health data from Manitoba, Canada to understand characteristics of those experiencing breakthrough infections and severe outcomes from breakthrough infections. Data from previous pandemic stages can provide valuable information regarding severe outcomes associated with breakthrough infection in the Omicron and future phases. Methods: Positive SARS-CoV-2 PCR tests from Cadham Provincial Laboratory were linked to case information from the population-based Public Health Information Management System. A retrospective design was used with time-to-event analyses to examine severe outcomes among those experiencing breakthrough infection. Results: Breakthrough cases were more likely to have 2 + chronic conditions, compared to age-, sex-, and time-period matched unvaccinated cases (24% vs. 17%), with hypertension (30%), diabetes (17%), and asthma (14%) being the most prevalent chronic conditions amongst breakthrough cases. Severe outcomes resulting from breakthrough infection was associated with age and chronic conditions, with those with 2 + chronic conditions at higher risk of severe outcomes (adjusted hazard ratio: 3.6, 95% confidence intervals: 2.0-6.4). Risk of severe outcomes varied by age group, with those 70 + years at over 13 times the risk of severe outcomes (95% CI: 4.5-39.8), compared to those 18-29 years of age. Discussion: Our results demonstrate the impact of chronic conditions on the likelihood of, and severity of outcomes from breakthrough infections. These findings underscore the importance of vaccination programs prioritizing vulnerable populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,135
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,363
Écart entre enseignants0,295 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in EpidemiologyMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207