MétaCan
Menu
Retour à la cohorte
Enregistrement W4412396146 · doi:10.1186/s12963-025-00390-0

Socio-economic inequalities in all-cause mortality during the COVID-19 period in north-western Tanzania, 2018–2021

2025· article· en· W4412396146 sur OpenAlexafffund
Sophia Kagoye, Charles Mangya, Eveline T. Konje, Jim Todd, Chodziwadziwa Kabudula, Jean Juste Harrisson Bashingwa, Jacqueline Materu, Coleman Kishamawe, Ties Boerma, Milly Marston, Mark Urassa

Notice bibliographique

RevuePopulation Health Metrics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesCanada Research ChairsMedical Research CouncilUniversity of the Witwatersrand, JohannesburgSouth African Medical Research CouncilGlobal Affairs CanadaBill and Melinda Gates Foundation
Mots-clésMedicineDemographyResidenceTanzaniaPandemicEpidemiologyProportional hazards modelPublic healthHazard ratioMortality ratePopulationCoronavirus disease 2019 (COVID-19)Environmental healthConfidence intervalGeographyDiseaseInternal medicineInfectious disease (medical specialty)Pathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Evidence suggests that the COVID-19 pandemic has exacerbated social and demographic inequalities in the communities through pathways of unequal exposure, vulnerability, and susceptibility. In Tanzania, evidence on COVID-19-related mortality is limited to health facility data, with little to no information on the mortality patterns in the general population. This study assessed sociodemographic inequalities in all-cause mortality during the COVID-19 period in north-western Tanzania. METHODS: We utilized available longitudinal data from the Magu Health and Demographic Surveillance System (HDSS) from January 2018 to December 2021. We compared the crude death rates between subgroups of age, sex, area of residence, and wealth index for a period before (2018/2019) and during (2020/2021) the COVID-19 pandemic. To quantify how mortality risk varies across the subgroups we fitted a Cox proportional hazard model with an interaction of the COVID-19 period. RESULTS: Overall mortality declined from 5.9 in 2018/2019 to 5.4 and 5.5 deaths per 1000 person-years in 2020 and 2021, respectively. We observed an increase in differences in crude death rates by age groups, area of residence, and wealth quintiles during the COVID-19 period. In the Cox proportional hazards model, compared to adults aged 15-49, we observed greater mortality risk in children under five (AHR:2.9; 95%CI: 2.2-3.9), older individuals aged 50-64 years (AHR:3.02; 95%CI:2.11-4.33) and 65 + (AHR:18.65; 95%CI:14.28-24.35) during COVID-19 period. Males were also at greater risk of death compared to females (AHR:1.30; 95%CI:1.06-1.59). CONCLUSION: Despite the overall mortality decline during the pandemic, we observed an increased risk of mortality among vulnerable subgroups (aged < 5 years and > 60 years) in the population. This highlights the need to take into account vulnerable subpopulations when addressing major public health issues in communities.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,074
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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 Opus0,254
Tête enseignante GPT0,480
Écart entre enseignants0,226 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePopulation Health MetricsMême sujetCOVID-19 and healthcare impactsTravaux en français237 207