MétaCan
Menu
← Back to cohort
Record W3109849637 · doi:10.1503/cmaj.201197-f

Risque d’éclosions de COVID-19 et de décès de résidents dans les foyers de soins de longue durée à but lucratif

2020· article· fr· W3109849637 on OpenAlexaffvenueabout
Nathan M. Stall, Aaron Jones, Kevin A. Brown, Paula A. Rochon, Andrew P. Costa

Bibliographic record

VenueCanadian Medical Association Journal · 2020
Typearticle
Languagefr
FieldHealth Professions
TopicGeriatric Care and Nursing Homes
Canadian institutionsPublic Health OntarioWomen's College HospitalUniversity of Toronto
Fundersnot available
KeywordsCoronavirus disease 2019 (COVID-19)HumanitiesPolitical scienceArtMedicine

Abstract

fetched live from OpenAlex

RÉSUMÉ CONTEXTE: Les foyers de soins de longue durée (SLD) ont jusqu’à présent été l’épicentre de la pandémie de maladie à coronavirus 2019 (COVID-19) au Canada. Selon des études antérieures, les soins offerts dans les foyers de SLD à but lucratif sont de qualité inférieure pour toute une gamme d’indicateurs de résultats et de processus, ce qui soulève la question suivante: les conséquences de la COVID-19 ont-elles été pires dans les foyers à but lucratif que dans ceux à but non lucratif? MÉTHODES: Une étude de cohorte rétrospective basée sur l’ensemble des foyers de SLD en Ontario a été menée pour la période du 29 mars au 20 mai 2020 à partir de la base de données sur les éclosions de COVID-19 alimentée par le ministère des Soins de longue durée de l’Ontario. Des méthodes logistiques hiérarchiques et basées sur des données de comptage ont été utilisées pour modéliser les associations entre le statut financier des foyers de SLD (à but lucratif, à but non lucratif ou municipal) et les éclosions de COVID-19 dans ces derniers, l’ampleur des éclosions (nombre de résidents infectés) et le nombre de décès de résidents attribuables à la COVID-19. RÉSULTATS: L’analyse portait sur les 623 foyers de SLD de l’Ontario, qui comptent 75 676 résidents. Parmi ces foyers, 360 (57,7 %) sont à but lucratif; 162 (26,0 %) sont à but non lucratif; et 101 (16,2 %) sont des foyers municipaux. Au total, 190 (30,5 %) éclosions de COVID-19 ont été enregistrées dans des foyers de SLD. Elles ont touché 5218 résidents et entraîné 1452 décès, ce qui représente un taux de létalité général de 27,8 %. Les probabilités d’une éclosion dans un foyer ont été associées à l’incidence de la COVID-19 dans la circonscription sanitaire entourant celui-ci (rapport de cotes [RC] ajusté 1,91; intervalle de confiance [IC] à 95 % 1,19–3,05), au nombre de résidents dans l’établissement (RC ajusté 1,38; IC à 95 % 1,18–1,61) et à l’application des anciennes normes d’aménagement (RC ajusté 1,55; IC à 95 % 1,01–2,38), mais pas au statut financier d’un foyer. Comparativement au statut « à but non lucratif », le statut « à but lucratif » a été associé à l’ampleur d’une éclosion dans un foyer de SLD (risque relatif [RR] 1,96; IC à 95 % 1,26–3,05) ainsi qu’au nombre de décès de résidents (RR ajusté 1,78; IC à 95 % 1,03–3,07). Ces associations s’expliquent par une plus grande prévalence des anciennes normes d’aménagement dans les foyers de SLD à but lucratif ainsi qu’à l’appartenance à une chaîne de propriétés. INTERPRÉTATION: Le statut « à but lucratif » est associé à l’ampleur d’une éclosion de COVID-19 et au nombre de décès de résidents dans un foyer de SLD, mais pas au risque d’éclosion. Deux principaux facteurs expliquent les différences entre les foyers à but lucratif et non lucratif, soit l’application des anciennes normes d’aménagement et l’appartenance à une chaîne de propriétés. Ceux-ci devraient être au coeur des futures mesures et politiques de lutte contre les infections.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.020
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.250
Threshold uncertainty score0.503

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0060.020
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0020.001
Scholarly communication0.0010.001
Open science0.0020.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0050.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.036
GPT teacher head0.372
Teacher spread0.336 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations2
Published2020
Admission routes3
Has abstractyes

Explore more

Same venueCanadian Medical Association Journal→Same topicGeriatric Care and Nursing Homes→French-language works237,207→