MétaCan
Menu
Retour à la cohorte
Enregistrement W4407239353 · doi:10.1186/s12879-025-10580-8

Risk of SARS-CoV-2 infection before and after the Omicron wave in a cohort of healthcare workers in Ontario, Canada

2025· article· en· W4407239353 sur OpenAlexafffundabout
Jorge Martínez-Cajas, Ann Jolly, Yanping Gong, Gerald E. Evans, Santiago Pérez-Patrigeón, Bradley P. Stoner, T. Hugh Guan, Beatriz Alvarado

Notice bibliographique

RevueBMC Infectious Diseases · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensKingston Health Sciences CentreOttawa Public HealthQueen's University
Organismes subventionnairesPhysicians' Services Incorporated Foundation
Mots-clésMedical microbiologyMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)Health careCohort2019-20 coronavirus outbreakParasitologyCohort studyPandemicTropical medicineVirologyEmergency medicineInternal medicinePathologyOutbreakInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Longitudinal healthcare worker (HCW) cohorts throughout the COVID-19 pandemic provide a unique opportunity to study the relative contributions of various exposures to infection risk over time. This study aimed to examine how demographic, health, occupational, household and community factors influenced the SARS-CoV-2 infection risk in a cohort of HCWs in Southeastern Ontario, Canada, during the early pandemic and the Omicron waves. We compared the contribution of these factors to infection risk and explored the implications for future epidemic preparedness and the protection of HCWs. METHODS: We conducted a longitudinal analysis using data from a cohort of HCWs recruited from one acute care hospital and four long-term care homes. The analysis was divided into two periods: the initial phase of the pandemic (period #1) and the first three Omicron waves (period #2). We employed Poisson regression for period #1 and Cox regression for period #2 to examine associations of demographic factors (age, sex, ethnicity, migration status, income insufficiency), health factors (chronic conditions, smoking history, SARS-CoV-2 vaccination status), household factors (exposure to COVID-19), occupational factors (work role, exposure to COVID-19 patients, personal protective equipment access, aerosol-generating procedures) and community exposures (use of masks, distance, hand-washing) with SARS-CoV-2 infection. RESULTS: At period #1, 17/208 (8.2%) HCWs reported having had SARS-CoV-2 infection. At period #2, 65/167 (38.3%) reported at least one SARS-CoV-2 infection. In period #1, factors associated with increased risk of infection included working in a long-term care home, exposure to more COVID-19-positive patients, working as a nurse or therapist, and inadequate use of personal protective equipment. In period #2, the hazard of infection was higher among HCWs who had COVID-19-infected children at home, whereas the use of protective measures in the community (maintaining social distance, mask-wearing) and receiving a vaccine booster were associated with reduced risk. Providing care to COVID-19 patients was not associated with the risk of acquiring SARS-CoV-2 infection at period #2. CONCLUSIONS: During the Omicron wave, community and household exposures, but not occupational exposure to COVID-19 cases, were the primary factors contributing to infection risk in HCWs. This contrasts with the early waves of the pandemic where occupational exposures played a significant role. These findings may be explained by the effectiveness of institutional interventions in reducing the risk of SARS-CoV-2 transmission in healthcare settings, alongside the failure of community-level interventions to mitigate risk during the Omicron period.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,359

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,254
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetInfection Control and VentilationTravaux en français237 207