The impact of COVID-19 lockdowns on primary care contact among vulnerable populations in England: a controlled interrupted time-series study
Notice bibliographique
Résumé
Background UK COVID-19 lockdowns significantly affected primary care access and delivery. Little is known about whether lockdowns disproportionally impacted vulnerable groups, including people who misuse substances, people who have experienced domestic violence or abuse, those with intellectual disability, and children with safeguarding concerns. Aim To evaluate the impact of UK COVID-19 lockdowns on primary care contact rates among vulnerable groups. Design & setting Natural experimental design using all registered patients in the OpenSAFELY platform. Method With approval from NHS England, we conducted controlled interrupted time-series analyses on records from 24 million patients in England between September 2019 and September 2021. Results Pre-pandemic, primary care contact rates were 110.1 per 1000 patients per week. Following the initiation of the first lockdown (23 March 2020), there was a large reduction of 29–61 contacts per 1000 patients per week among vulnerable and general population groups. For patients with alcohol misuse, those aged ≥14 years with intellectual disability, and children with safeguarding concerns, this reduction was significantly more extreme than corresponding general populations (relative rate difference -23.8 [95% confidence interval {CI} = -39.8 to -7.7, P = 0.003], -24.6 [95% CI = -38.8 to -10.5, P <0.001], and -15.4 [95% CI = -26.9 to -3.8, P = 0.009], respectively). Following the final lockdown (29 March 2021), all groups had contact rates exceeding pre-pandemic rates (with increases more marked in vulnerable populations), except those only including children. Conclusion Our results suggested a larger short-term impact of the first COVID-19 lockdown on primary care contact for some vulnerable groups, compared with the general population, and differential impacts persisted through subsequent lockdowns and beyond for some vulnerable groups. There is a need to examine drivers of these differences to enable more equitable primary care access and provision.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».