A biosocial approach to understanding SARS-CoV-2 seroprevalence in an Orthodox Jewish community
Notice bibliographique
Résumé
<h2>Abstract</h2> Identity-based and religious minority groups have been disproportionately affected by the SARS-CoV-2 virus globally. The Montreal Orthodox Jewish community suffered high morbidity and mortality compared to the rest of the Canadian population. As a bounded and exclusive ethnic group, they experienced vulnerabilities related to residence patterns, livelihood and religious practices, encounters with the state, and visibility, characteristics which they share with other minority groups. Here, we interrogate biosocial factors associated with seroprevalence. We used a parallel convergent mixed methods approach comprising blood sampling with concurrent surveying, and semi-structured interviews with a subset of study participants. Participants were recruited between June 23, 2021 and May 25, 2022. Adults were eligible to participate throughout the recruitment period, while adolescents aged 12–17 years and children aged under 12 years became eligible to participate beginning in August 2021 and early February 2022 respectively. Serological testing was done with a multiplex assay for SARS-CoV-2 IgG antibodies. A total of 252 individuals were recruited over a period of 11 months with an overall seroprevalence of 42.5 %. Higher SARS-CoV-2 seroprevalence in the target group, compared to the Canadian national average, is attributed to biosocial factors affecting transmission, including cultural beliefs and practices, and lack of trust in state authorities. The differential impact of infectious disease on minority populations needs to be addressed in socio-culturally and contextually relevant ways to develop successful prevention and mitigation strategies that reduce both transmission and the suffering that accompanies infection.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».