MétaCan
Menu
Retour à la cohorte
Enregistrement W4407551403 · doi:10.1016/j.lana.2025.101024

Hospitalizations for all-cause pediatric acute respiratory diseases in Alberta, Canada, before, during, and after the COVID-19 pandemic: a population-level retrospective cohort study from 2010 to 2024

2025· article· en· W4407551403 sur OpenAlexafffundabout
Christine D. Lukac, Brett Simms, Grace P. S. Kwong, Jessalyn K. Holodinsky, David W. Johnson, James D. Kellner

Notice bibliographique

RevueThe Lancet Regional Health - Americas · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensAlberta Children's HospitalHotchkiss Brain InstituteAlberta Health ServicesAlberta HealthUniversity of Calgary
Organismes subventionnairesPfizer CanadaAlberta Children's Hospital Research InstituteYork UniversitySimon Fraser UniversityGovernment of Alberta
Mots-clésPandemicMedicineCoronavirus disease 2019 (COVID-19)Retrospective cohort studyCohortSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakPediatricsRespiratory systemCohort studyPopulationEmergency medicineVirologyEnvironmental healthInternal medicineOutbreakDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: This population-level retrospective cohort study measured seasonal patterns of pediatric hospitalizations, pediatric intensive care unit (PICU) admissions, and average age of children diagnosed with acute respiratory diseases (ARD) during pre-pandemic, COVID-19 pandemic, and late/post-pandemic periods. Methods: From September 2010 through August 2024, all hospitalizations for ARD among children <18 years old were identified from the provincial Discharge Abstract Database, in Alberta, Canada. Seasonal autoregressive integrated moving average (SARIMA) models were developed based on pre-pandemic trends and predicted expected weekly outcomes with 95% confidence intervals (95% CI) from March 2020 onward. Observed and expected outcomes with 95% CI were compared to measure impacts during peak seasons. Findings: There were 52,839 ARD hospitalizations: 16,003 (30.29%) bronchiolitis, 7958 (15.06%) influenza-like illness, 14,366 (27.19%) pneumonia, 2989 (5.66%) croup, 10,266 (19.43%) asthma exacerbation, and 1257 (2.38%) COVID-19. Further, 4433 (8.39%) hospitalizations included a PICU admission. During the pre-pandemic period, hospitalizations for ARD had a biennial pattern, where the peak incidence was highest every other winter season. During the pandemic and late/post-pandemic periods, the average weekly incidence of hospitalization for ARD/100,000 children decreased 91.25% during winter 2020-2021 (1.03 observed vs. 11.81 [95% CI 7.30, 16.33] expected), increased 47.98% during winter 2022-2023 (18.06 observed vs. 12.20 [95% CI 7.06, 17.34] expected), and returned near pre-pandemic incidence during winter 2023-2024 (12.87 observed vs. 11.87 [95% CI 6.08, 17.67] expected) compared with incidence predicted by the SARIMA model. During winter 2022-2023 when hospitalizations surged, there was no significant change in the average weekly incidence of PICU admissions for ARD/100,000 children (2.07 observed vs. 1.26 [95% CI 0.26, 2.27] expected), nor percent PICU admissions (10.21% observed vs. 10.11% [95% CI 5.50, 14.73] expected), nor in average age (31.95 months observed vs. 34.20 months [95% CI 25.89, 42.52] expected). Interpretation: Hospitalizations for pediatric ARD decreased dramatically during winter 2020-2021, surged during winter 2022-2023, and returned near pre-pandemic incidence during winter 2023-2024. There was no lasting change in PICU admissions nor average age. Ongoing surveillance will describe the evolving seasonal pattern of ARD during the post-pandemic period. Funding: None.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,145
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,092
Tête enseignante GPT0,432
Écart entre enseignants0,340 · 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

Citations5
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Lancet Regional Health - AmericasMême sujetRespiratory viral infections researchTravaux en français237 207