MétaCan
Menu
Retour à la cohorte
Enregistrement W4411185426 · doi:10.1093/ije/dyaf075

Sustained excess all-cause mortality post COVID-19 in 21 countries: an ecological investigation

2025· article· en· W4411185426 sur OpenAlexaff
Chryso Th. Pallari, Souzana Achilleos, Annalisa Quattrocchi, Mohammad Reza Rahmanian Haghighi, Minh Q. Phan, Andreas Artemiou, Catherine Bennett, Joseph Cuthbertson, Claudia Zimmermann, Eva Schernhammer, Catharina Vernemmen, Serge Nganda Mekogo, Jackeline Christiane Pinto Lobato, Laylla Macedo, María Athanasiadou, Laust Hvas Mortensen, Julia Critchley, Lucy Goldsmith, Gleb Denissov, Nolwenn Le Meur, Levan Kandelaki, Nino Chikhladze, Kostas Athanasakis, Binyamin Binyaminy, Tamar Maor, Enza Caruso, Giuseppe Ambrosio, Cyndy Martial, Marie Chan Sun, Terje P. Hagen, Manuel Barrón, Mario Chong, Błażej Łyszczarz, Ivan Eržen, José Antonio Cernuda Martínez, Pedro Arcos González, Bo Bur­ström, Wenjing Tao, Qian Huang, Antonis Polemitis, Andreas Charalambous, Christiana A. Demetriou

Notice bibliographique

RevueInternational Journal of Epidemiology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensPopulation Health Research Institute
Organismes subventionnairesUniversity of Nicosia
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Ecological studyMedicinePandemicBetacoronavirusEnvironmental scienceEnvironmental healthEcologyVirologyBiologyOutbreakInternal medicinePopulationDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite widespread vaccination efforts, significant excess mortality continued in various countries following the COVID-19 pandemic. This study aims to estimate excess mortality during 2022 in 21 countries and regions, and to examine the relationship of governmental control measures and vaccination rates with excess mortality during 2021-2 at an ecological level. METHODS: Excess mortality for 2022 was estimated by analysing weekly mortality data from January 2020 to December 2022 across 21 countries and regions participating in the C-MOR consortium. This was achieved by comparing the observed age-standardized mortality rates per 100 000 population to a baseline derived from historical data (2015-19). Governmental control measures and vaccination efforts were investigated for their association with weekly excess mortality during 2021-2 in multilevel models with country as a random effect. RESULTS: All 21 countries experienced excess mortality in 2022, ranging from 8.6 (Peru) to 116.2 (Georgia) per 100 000 population, noting that rates were not directly comparable across countries. Many countries had higher excess mortality in 2022 compared with previous years. Mauritius showed a significant excess mortality for the first time in 2022. The proportion of COVID-19 deaths relative to total deaths decreased in 2022 for most countries, except Australia. Governmental control measures and vaccinations were associated with reduced excess mortality in 2021 and 2022, respectively. CONCLUSION: The study reveals sustained excess mortality throughout 2022. Excess deaths were mainly non-COVID-19-related, likely due to displaced mortality or to broader long-term impacts of the pandemic response. Governmental control policies and vaccination efforts were associated with lower excess mortality. These findings provide critical insights into pandemic mortality dynamics and emphasize the need for continued vigilance and adaptive public health strategies.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,225
Tête enseignante GPT0,536
Écart entre enseignants0,312 · 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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of EpidemiologyMême sujetCOVID-19 and healthcare impactsTravaux en français237 207