MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409301250 · doi:10.1016/j.jcjd.2025.03.008

Uptake and Factors Associated With COVID-19 Vaccination Among 3,779,733 Adults Living With and Without Diabetes: A Population Cohort Study in a Universal Health-care Setting

2025· article· en· W4409301250 sur OpenAlexafffundvenue
Sonia Butalia, Ronald J. Sigal, Baiju R. Shah, Jamie L. Benham, Brandy Wicklow, Catherine Yu, Kaberi Dasgupta, Luan Manh Chu, Shazhan Amed, Padma Kaul

Notice bibliographique

RevueCanadian Journal of Diabetes · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of AlbertaUniversity of British ColumbiaAlberta HealthAlberta Health ServicesUniversity of CalgaryMcGill UniversityChildren's Hospital Research Institute of ManitobaUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity Hospital FoundationAlberta HealthAlberta Health ServicesAlberta InnovatesUniversity of CalgaryHeart and Stroke Foundation of CanadaUniversity of AlbertaAmerican Diabetes Association
Mots-clésMedicineCohortVaccinationDiabetes mellitusPopulationCoronavirus disease 2019 (COVID-19)GerontologyEnvironmental healthVirologyInternal medicineEndocrinologyDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Our aim in this study was to assess COVID-19 vaccine uptake among adults with and without diabetes and the factors associated with vaccination in people with diabetes. METHODS: This retrospective, population-based cohort study included all adults living in Alberta, Canada, on December 14, 2020, the date COVID-19 vaccines became available. Individual diabetes status was determined between April 1, 2002 and December 14, 2020, using a validated algorithm. Individuals were followed until March 31, 2022. The primary outcome was full vaccination, as defined by the manufacturer. Descriptive statistics were used to compare vaccination status among people with and without diabetes. Unadjusted and multivariable-adjusted Cox proportional hazards models were applied to assess factors associated with full vaccination uptake. RESULTS: Among the 3,779,733 adults (49.7% women; mean age 47.2±18.2 years) included in the study, 9.8% had diabetes. A higher proportion of people with diabetes, compared to those without diabetes, were fully vaccinated (82.5% vs 73.1%, p<0.001; men: adjusted hazard ratio [aHR] 1.34, 95% confidence interval [CI] 1.33 to 1.35; women: aHR 1.23, 95% CI 1.22 to 1.24). In people with diabetes, being 65 to 74 years old (men: aHR 1.21, 95% CI 1.16 to 1.26; women: aHR 1.22, 95% CI 1.16 to 1.27) and statin use (men: aHR 1.28, 95% CI 1.27 to 1.30; women: aHR 1.24, 95% CI 1.22 to 1.26) were associated with full vaccination, whereas lower socioeconomic status (men: aHR 0.82, 95% CI 0.81 to 0.84 for quintile 5; women: aHR 0.80, 95% CI 0.79 to 0.82 for quintile 5), rural residence (men: aHR 0.86, 95% CI 0.85 to 0.87; women: aHR 0.87, 95% CI 0.85 to 0.92), higher number of comorbidities (men: aHR 0.95, 95% CI 0.94 to 0.96; women: aHR 0.98, 95% CI 0.97 to 0.99), higher glycated hemoglobin level (men: aHR 0.44, 95% CI 0.43 to 0.45; women: aHR 0.50, 95% CI 0.49 to 0.51), and insulin use (men: aHR 0.89, 95% CI 0.87 to 0.91; women: aHR 0.89, 95% CI 0.87 to 0.91) were associated with lower vaccination uptake. CONCLUSIONS: People with diabetes had high COVID-19 vaccination uptake. Further work is needed to better understand the system- and individual-based facilitators of, and barriers to, vaccine uptake to inform future public health vaccine-based interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,786
Score d'incertitude au seuil0,425

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,296
Écart entre enseignants0,280 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission3
Résumé présentnon

Explorer davantage

Même revueCanadian Journal of Diabetes→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→