Self-reported chronic conditions and COVID-19 public health measures among Canadian adults: an analysis of the Canadian longitudinal study on aging
Notice bibliographique
Résumé
OBJECTIVES: During the COVID-19 pandemic, public health measures were used to reduce the spread of COVID-19; it is unknown whether people with chronic conditions differentially adhered to public health measures. The objectives of this study were to evaluate the association between chronic conditions and adherence and to explore effect modification by sex, age, and income. STUDY DESIGN: An analysis of data from the Canadian Longitudinal Study on Aging COVID-19 Questionnaires (from April to September 2020) was conducted among middle-aged and older adults aged 50-96 years (n = 28,086). METHODS: Self-reported chronic conditions included lung disease, diabetes, heart disease, cancer, obesity, anxiety, and depression. Multinomial logistic regression was used to estimate odds ratios (ORs) and 95% confidence intervals (CIs) for the association between chronic conditions and low, medium, and high levels of adherence. Effect modification was evaluated using statistical interaction and stratification. RESULTS: Most people (n = 17,435; 62%) had at least one chronic condition, and 2866 (10%) had three to seven chronic conditions. Among those with high adherence to public health measures, 69% had one or more chronic condition (n = 2266). Having three to seven chronic conditions, compared with none, was associated with higher adherence to public health measures (OR: 2.14; 95% CI: 1.12-1.42). Higher adherence was also noted across chronic conditions, for example, those with diabetes had higher adherence (OR: 1.72; 95% CI: 1.53-1.93). There was limited evidence of effect modification by sex, age, or income. CONCLUSIONS: Canadians with chronic conditions were more likely to adhere to public health measures; however, future research is needed to understand whether adherence helped to prevent adverse COVID-19 outcomes and if adherence had unintended consequences.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».