Risk factors for 30-day COVID-19 mortality among people living with dementia in Alberta, Canada: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: People living with dementia (PLWD) were disproportionately impacted by the COVID-19 pandemic, experiencing high mortality rates in the initial waves. However, factors contributing to their increased risk of death following COVID-19 infection remain unclear. Given that PLWD are a heterogenous population with varying susceptibility to negative health outcomes, this study aimed to identify independent factors associated with 30-day COVID-19 mortality among PLWD and vulnerable subgroups of PLWD. METHODS: We conducted a retrospective cohort analysis using administrative data from March 1st 2020 to December 1st 2020, in Alberta, Canada. We examined the association between an outcome variable created to examine mortality in the 30-days following COVID-19 infection and factors related to the demographics and health (e.g., age, comorbidities), health service use (e.g., past physician utilization), and environment (e.g., community or long-term care) of PLWD in our study cohort and subgroups of our study cohort based on age, sex, and living setting (community, long-term care). RESULTS: Among our study cohort of PLWD (N = 1526), 28% of individuals died within 30 days following COVID-19 infection. After adjusting for confounders, increasing age (AOR = 2.38, 95% CI: 1.12-5.06), male sex (AOR = 2.30, 95% CI: 1.76-3.01), and living in long-term care (AOR = 5.91, 95% CI: 4.49-7.79) were associated with a higher risk of 30-day COVID-19 mortality. Additionally, congestive heart failure, diabetes with complications, and renal failure were linked to mortality among certain subgroups of PLWD. CONCLUSIONS: The 30-day COVID-19 case fatality rate was high among PLWD. PLWD who were older, male, and living in long-term care were at the greatest risk. The findings of this study demonstrate that specific groups of PLWD, based on both demographic and site-of-care-related factors, would benefit most from improved attention in future infectious disease public health planning.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».