Factors Associated With Surveillance Testing in Individuals With COVID-19 Symptoms During the Last Leg of the Pandemic: Multivariable Regression Analysis
Notice bibliographique
Résumé
Background: Rural underserved areas facing health disparities have unequal access to health resources. By the third and fourth waves of SARS-CoV-2 infections in the United States, COVID-19 testing had reduced, with more reliance on home testing, and those seeking testing were mostly symptomatic. Objective: This study identifies factors associated with COVID-19 testing among individuals who were symptomatic versus asymptomatic seen at a Rapid Acceleration of Diagnostics for Underserved Populations phase 2 (RADx-UP2) testing site in West Virginia. Methods: Demographic, clinical, and behavioral factors were collected via survey from tested individuals. Logistic regression was used to identify factors associated with the presence of individuals who were symptomatic seen at testing sites. Global tests for spatial autocorrelation were conducted to examine clustering in the proportion of symptomatic to total individuals tested by zip code. Bivariate maps were created to display geographic distributions between higher proportions of tested individuals who were symptomatic and social determinants of health. Results: Among predictors, the presence of a physical (adjusted odds ratio [aOR] 1.85, 95% CI 1.3-2.65) or mental (aOR 1.53, 95% CI 0.96-2.48) comorbid condition, challenges related to a place to stay/live (aOR 307.13, 95% CI 1.46-10,6372), no community socioeconomic distress (aOR 0.99, 95% CI 0.98-1.00), no challenges in getting needed medicine (aOR 0.01, 95% CI 0.00-0.82) or transportation (aOR 0.23, 95% CI 0.05-0.64), an interaction between community socioeconomic distress and not getting needed medicine (aOR 1.06, 95% CI 1.00-1.13), and having no community socioeconomic distress while not facing challenges related to a place to stay/live (aOR 0.93, 95% CI 0.87-0.99) were statistically associated with an individual being symptomatic at the first test visit. Conclusions: This study addresses critical limitations to the current COVID-19 testing literature, which almost exclusively uses population-level disease screening data to inform public health responses.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,002 |
| 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 ».