COVID-19 and Mortality in the Spinal Cord Injury Population: Examining the Impact of Sex, Mental Health, and Injury Etiology
Notice bibliographique
Résumé
Background/Objective: The purpose of this study was to investigate the impact of the COVID-19 pandemic on mortality rates in a community-dwelling spinal cord injury (SCI) population in Ontario. Methods: Using health administrative databases, monthly mortality rates were evaluated pre-pandemic, during the pandemic, and post-pandemic from March 2014 to May 2024. Data were stratified by sex, injury etiology, and mental health status. Group differences were evaluated using t-tests. Autoregressive integrated moving average (ARIMA) models evaluated the pandemic’s impact on mortality rates. Results: A significant increase of 21.4% in mortality rates during the pandemic was found for the SCI cohort. With the exception of the traumatic group, all subgroups also experienced a significant increase in mortality rates (males: 13.9%, females: 31.9%, non-traumatic: 32.3%, mental health diagnoses: 19.6%, and mental health diagnoses: 29.4%). During the pandemic, females had a significantly higher mortality rate than males. The non-traumatic group had higher mortality rates than the traumatic group at all time periods. Individuals with mental health diagnoses had higher mortality rates than those without at the pre-pandemic and pandemic periods. Conclusions: The variation in mortality rates across groups highlights inequitable access to medical care in the SCI population, with further research and interventions needed.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».