Inégalités sociales des décès liés à la COVID-19 au Canada, par caractéristiques individuelles et locales, de janvier à juillet/août 2020 : résultats de deux processus nationaux d’intégration de données
Bibliographic record
Abstract
Contexte : Malgré les premiers rapports sur les déterminants sociaux de l’infection par le coronavirus du syndrome respiratoire aigu sévère 2 (SRAS-CoV-2) et de la maladie à coronavirus 2019 (COVID-19), les analyses sur les inégalités attribuables à la COVID-19 au niveau national ont été limitées. L’objectif de cette étude est de décrire les inégalités en matière des décès attribuables à la COVID-19 au Canada en utilisant des données préliminaires obtenues dans le cadre de l’Initiative pancanadienne sur les inégalités en santé. Méthodes : Deux intégrations des données provisoires de la Base canadienne de données sur les décès de la Statistique de l’état civil ont été utilisées. Les données sur les décès survenus entre le 1er janvier et le 4 juillet 2020 parmi les résidents de logements privés ont été liées aux données, au niveau individuel, provenant du questionnaire abrégé du Recensement de 2016. Cette intégration a permis de ventiler les données de mortalité selon le sexe et la situation de faible revenu, le type de logement, le type de ménage et la taille du ménage. Les données sur les décès survenus entre le 1er janvier et le 31 août 2020 ont été liées aux données du Profil de Recensement au niveau local, du Recensement de 2016. Cette intégration de données a permis de ventiler des données de mortalité selon le sexe et les caractéristiques des quartiers, dont les ont été ventilées par sexe et par quintiles de composition ethnoculturelle (déterminés en fonction de la proportion de personnes ayant immigré récemment, appartenant à une minorité visible, étant nées à l’extérieur du Canada, ne connaissant ni l’anglais ni le français), par quintiles du revenu et par résidence dans une région métropolitaine. Les différences et les ratios des taux de mortalité liée à la COVID-19 normalisés selon l’âge (pour 100 000 habitants) entre groupes ont été estimés. Résultats : En juillet/août 2020, les résidents d’appartement, des grands centres urbains, des quartiers ayant la plus forte concentration de composition ethnoculturelle ou des quartiers ayant les plus faibles revenus ont connu 14 à 30 décès liés à la COVID-19 pour 100 000 habitants de plus comparativement aux groupes de référence (résidents d’une maison individuelle non attenante, ceux qui se trouvent en dehors des centres urbains, ceux résidant dans des quartiers avec la concentration de composition ethnoculturelle la plus faible ou ceux détenant les revenus les plus élevés, respectivement). Les inégalités entre les sexes étaient également plus importantes dans ces quatre groupes (11 à 18 décès chez les hommes de plus que chez les femmes pour 100 000 habitants) que dans les groupes de référence (2 à 4 décès chez les hommes de plus que chez les femmes pour 100 000 habitants). Conclusion : Ces résultats reflètent le fardeau global de mortalité plus élevé que subissent les populations défavorisées au niveau socioéconomique. Les domaines d’études futures sont abordés dans l’optique de guider une réponse à la pandémie axée sur l’équité en santé.
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 | 0.007 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".