Quantifying the magnitude of the general contextual effect in a multilevel study of SARS-CoV-2 infection in Ontario, Canada: application of the median rate ratio in population health research
Notice bibliographique
Résumé
BACKGROUND: Regional variations in SARS-CoV-2 infection were observed in Canada and other countries. Studies have used multilevel analyses to examine how a context, such as a neighbourhood, can affect the SARS-CoV-2 infection rates of the people within it. However, few multilevel studies have quantified the magnitude of the general contextual effect (GCE) in SARS-CoV-2 infection rates and assessed how it may be associated with individual- and area-level characteristics. To address this gap, we will illustrate the application of the median rate ratio (MRR) in a multilevel Poisson analysis for quantifying the GCE in SARS-CoV-2 infection rates in Ontario, Canada. METHODS: We conducted a population-based, two-level multilevel observational study where individuals were nested into regions (i.e., forward sortation areas [FSAs]). The study population included community-dwelling adults in Ontario, Canada, between March 1, 2020, and May 1, 2021. The model included seven individual-level variables (age, sex, asthma, diabetes, hypertension, congestive heart failure, and chronic obstructive pulmonary disease) and four FSA census-based variables (household size, household income, employment, and driving to work). The MRR is a median value of the rate ratios comparing two patients with identical characteristics randomly selected from two different regions ordered by rate. We examined the attenuation of the MRR after including individual-level and FSA census-based variables to assess their role in explaining the variation in rates between regions. RESULTS: Of the 11 789 128 Ontario adult community-dwelling residents, 343 787 had at least one SARS-CoV-2 infection during the study period. After adjusting for individual-level and FSA census-based variables, the MRR was attenuated to 1.67 (39% reduction from unadjusted MRR). The strongest FSA census-based associations were household size (RR = 1.88, 95% CI: 1.71-1.97) and driving to work (RR = 0.68, 95% CI: 0.65-0.71). CONCLUSIONS: The individual- and area-level characteristics in our study accounted for approximately 40% of the between-region variation in SARS-CoV-2 infection rates measured by MRR in Ontario, Canada. These findings suggest that population-based policies to address social determinants of health that attenuate the MRR may reduce the observed between-region heterogeneity in SARS-CoV-2 infection rates.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».