Déterminants individuels et sociaux du test de dépistage du SRAS-CoV-2 et de l’obtention d’un résultat positif en Ontario, au Canada: une étude populationnelle
Bibliographic record
Abstract
Contexte: Optimiser la réponse de la santé publique pour diminuer le fardeau de la COVID-19 nécessite la caractérisation de l’hétérogénéité du risque posé par la maladie à l’échelle de la population. Cependant, l’hétérogénéité du dépistage du SRAS-CoV-2 peut fausser les estimations selon le modèle d’étude analytique utilisé. Notre objectif était d’explorer les biais collisionneurs dans le cadre d’une vaste étude portant sur les déterminants de la maladie et d’évaluer les déterminants individuels, environnementaux et sociaux du dépistage et du diagnostic du SRAS-CoV-2 parmi les résidents de l’Ontario, au Canada. Méthodes: Nous avons exploré la présence potentielle de biais collisionneurs et caractérisé les déterminants individuels, environnementaux et sociaux de l’obtention d’un test de dépistage et d’un résultat positif à la présence de l’infection au SRAS-CoV-2 à l’aide d’analyses transversales parmi les 14,7 millions de personnes vivant dans la collectivité en Ontario, au Canada. Parmi les personnes ayant obtenu un diagnostic, nous avons utilisé des études analytiques distinctes afin de comparer les prédicteurs pour les personnes d’obtenir un résultat de test de dépistage positif plutôt que négatif, pour les personnes symptomatiques d’obtenir un résultat de test de dépistage positif plutôt que négatif et pour les personnes d’obtenir un résultat de test de dépistage positif plutôt que de ne pas obtenir un résultat positif (c.-à-d., obtenir un résultat de test de dépistage négatif ou ne pas obtenir de test de dépistage). Nos analyses comprennent des tests de dépistage réalisés entre le 1er mars et le 20 juin 2020. Résultats: Sur 14 695 579 personnes, nous avons constaté que 758 691 d’entre elles ont passé un test de dépistage du SRAS-CoV-2, parmi lesquelles 25 030 (3,3 %) ont obtenu un résultat positif. Plus la probabilité d’obtenir un test de dépistage s’éloignait de zéro, plus la variabilité généralement observée dans la probabilité d’un diagnostic était grande parmi les modèles d’études analytiques, particulièrement en ce qui a trait aux facteurs individuels. Nous avons constaté que la variabilité dans l’obtention d’un test de dépistage était moins importante en fonction des déterminants sociaux dans l’ensemble des études analytiques. Les facteurs tels que le fait d’habiter dans une région ayant une plus haute densité des ménages (rapport de cotes corrigé 1,86; intervalle de confiance [IC] à 95 % 1,75–1,98), une plus grande proportion de travailleurs essentiels (rapport de cotes corrigé 1,58; IC à 95 % 1,48–1,69), une population atteignant un plus faible niveau de scolarité (rapport de cotes corrigé 1,33; IC à 95 % 1,26–1,41) et une plus grande proportion d’immigrants récents (rapport de cotes corrigé 1,10; IC à 95 % 1,05–1,15), étaient systématiquement corrélés à une probabilité plus importante d’obtenir un diagnostic de SRAS-CoV-2, peu importe le modèle d’étude analytique employé. Interprétation: Lorsque la capacité de dépister est limitée, nos résultats suggèrent que les facteurs de risque peuvent être estimés plus adéquatement en utilisant des comparateurs populationnels plutôt que des comparateurs de résultat négatif au test de dépistage. Optimiser la lutte contre la COVID-19 nécessite des investissements dans des interventions structurelles déployées de façon suffisante et adaptées à l’hétérogénéité des déterminants sociaux du risque, dont le surpeuplement des ménages, l’occupation professionnelle et le racisme structurel.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".