Incidence of severe COVID-19 among 1.2 million workers in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: The disproportionate impact of coronavirus disease (COVID-19) on healthcare workers has been highlighted; however, there is a lack of evidence regarding other high-risk occupations and industries. AIMS: This study estimated the risk of severe COVID-19 among a large cohort of workers in Ontario, Canada. METHODS: This study used a cohort of 1.2 million workers identified using workers' compensation claims records (1983-2019). Identified workers were linked with emergency department (ED) visits and hospitalizations (2020-2021). Cases coded as U0.71 (virus detected, confirmed case) were identified from ED visits and hospitalizations. Hazard ratios (HRs) and 95% confidence intervals (CI95%) for COVID-19 for each occupational group compared to all other workers in the cohort were calculated, adjusting for age and birth year. Standardized incidence ratios and 95% CI, comparing workers to the general population of Ontario were also calculated, adjusting for age, sex, year and region. RESULTS: A total of 10 322 severe COVID-19 cases among workers were identified through ED visits and hospitalizations. Workers in material handling (HR=1.32, CI95%=1.21-1.43), medicine and health (HR=1.27, CI95%=1.18-1.37), processing (food, water, textile) (HR=1.23, CI95%=1.12-1.36) and machining occupations (HR=1.11, CI95%=1.02-1.20) had some of the highest risks of COVID-19 when compared to all other workers in the cohort. Findings were somewhat consistent when comparing workers to the general population of Ontario. CONCLUSIONS: Certain groups of workers in this cohort demonstrated elevated risks of severe COVID-19. The findings align with previous studies and emphasize the need to include occupational surveillance methods in future pandemic preparedness in Canada.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».