Characteristics associated with SARS-CoV-2 testing, infection and vaccine uptake among essential non-healthcare workers in Montréal, 2021
Notice bibliographique
Résumé
Background: Essential non-healthcare workers experienced higher rates of SARS-CoV-2 infection compared to non-essential workers. Objective: Identify characteristics associated with SARS-CoV-2 testing, infection and vaccine uptake among essential non-healthcare workers in Montréal, Québec. Methods: Secondary, cross-sectional analysis of data collected from participants prospectively recruited in two observational studies (first study, Onsite Testing Study, January-March 2021; second study, Self-Testing Study, July-October 2021) of essential non-healthcare workers in 2021. Logistic regression with generalized linear mixed models was used to explore characteristics associated with our outcomes (previous SARS-CoV-2 testing, exposure and vaccination). Results: Overall, 2,755 participants were included (first study, Onsite Testing Study, n=2,128; and second study, Self-Testing Study, n=627). A higher proportion of participants identified as male (n=1,601; 58%), non-White (n=1,527; 55%) and worked in the manufacturing/supplier sector (n=1,706; 62%). Relative to the first study, Onsite Testing Study, participants in the second study, Self-Testing Study, had higher odds (78% vs. 46%; aOR 4.1, 95% CI: 3.2-5.2) of previous SARS-CoV-2 testing and of testing positive prior to study enrolment (6.2% vs. 4.3%; aOR 1.7, 95% CI: 1.1-2.6). Individuals reporting recent SARS-CoV-2 exposure had higher odds of previous SARS-CoV-2 testing (aOR 4.0, 95% CI: 3.0-5.4), while older age (aOR 0.98, 95% CI: 0.98-0.99 per one-year increase) and being male (aOR 0.6, 95% CI: 0.5-0.7) were associated with lower odds of previous testing. Results were similar in stratified analyses. Participants from businesses with more than 50 employees had higher odds of having received a SARS-CoV-2 vaccine (91% vs. 80%; aOR 2.6, 95% CI: 1.4-4.8). Conclusion: Consideration of individual and business characteristics associated with testing and vaccination programs for SARS-CoV-2 could improve equity, uptake and impact.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».