Tendances des conséquences de la COVID-19 selon le statut vaccinal au Canada, décembre 2020 à janvier 2022
Bibliographic record
Abstract
Contexte : La pandémie de maladie à coronavirus 2019 (COVID-19) au Canada a évolué rapidement.Depuis la fin de 2020, les vaccins contre la COVID-19 ont été utilisés pour offrir une protection contre les conséquences graves en présence de variants préoccupants en circulation.Objectif : Ce rapport de surveillance fournit une analyse descriptive rétrospective des tendances nationales des cas de COVID-19 et des conséquences graves selon le statut vaccinal, mettant en contexte les tendances par rapport aux données démographiques des cas et aux variants préoccupants en circulation, de décembre 2020 à janvier 2022.Méthodes : Les données de surveillance des cas et de la couverture vaccinale ont été obtenues à partir de l'Ensemble national de données sur les cas de COVID-19 et du Système canadien de surveillance de la couverture vaccinale contre la COVID-19 pour 12 des 13 provinces et territoires.Des analyses descriptives ont été réalisées pour décrire les tendances au fil du temps chez les personnes âgées de 12 ans et plus en fonction des conséquences de la COVID-19, du statut vaccinal et des données démographiques.Les taux d'incidence normalisés et répartis par âge et les ratios de taux d'incidence ont été calculés pour les cas, les hospitalisations et les décès.Résultats : De la mi-2021 à la fin 2021, les taux d'incidence des cas et des conséquences graves étaient systématiquement les plus bas chez ceux ayant complété une série primaire et les plus élevés chez ceux qui étaient non-vaccinés.Les personnes non vaccinées étaient beaucoup plus susceptibles d'être hospitalisées ou de mourir que celles ayant complété une série primaire pendant toutes les périodes de variant.Les taux de conséquences graves par âge étaient systématiquement les plus élevés chez les personnes âgées de 80 ans et plus, quel que soit le statut vaccinal.Conclusion : La vaccination reste l'une des interventions de santé publique les plus importantes, en particulier chez les personnes âgées, afin de les protéger contre les conséquences graves de la COVID-19 à mesure que la pandémie évolue.Le suivi régulier des conséquences de la COVID-19 en fonction du statut vaccinal peut permettre d'identifier les changements dans l'épidémiologie de la COVID-19 et d'orienter les actions et les politiques de santé publique.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".