Identification des sous-groupes d'individus les plus à risque de mortalité chez les cas confirmés de la COVID-19 au Québec
Bibliographic record
Abstract
En mars 2020, l’Organisation mondiale de la santé (OMS) déclarait la pandémie de la nouvelle maladie à coronavirus-19, aussi connue sous le nom de COVID-19. Le 26 juillet 2020, le SRAS-CoV-2 avait infecté 15 785 641 personnes, causant 640 016 décès. Un groupe de travail de l’Institut national de santé publique du Québec a été mandaté pour identifier les sous-groupes de la population vulnérables aux complications sévères liées à la COVID-19. L’objectif principal de ce mémoire est d’identifier les sous-groupes d’individus les plus à risque de mortalité chez les cas confirmés de la COVID-19 au Québec. Une étude de cohorte populationnelle de l’ensemble des cas confirmés de la COVID-19 au Québec a été réalisée. Parmi les 58 733 cas confirmés entre le 23 février 2020 et le 26 juillet 2020, 92% ont pu être jumelés avec les données du Système intégré de surveillance des maladies chroniques du Québec. La majorité de ces cas avait entre 20 et 64 ans, 60% étaient des femmes et 55% présentaient au moins une maladie chronique. Parmi les cas, 10% sont décédés, 12% ont été hospitalisés et 2% ont été admis aux soins intensifs. Peu de décès ont été observés avant l’âge de 60 ans. Les analyses de régression ont révélé que les sous-groupes d’individus les plus à risque de mortalité étaient les personnes âgées de 70 ans et plus, particulièrement de sexe masculin; les personnes aux prises avec certaines comorbidités; de même que les personnes plus jeunes cumulant des maladies chroniques. Ces résultats permettront aux décideurs du réseau de la santé de mettre en place des mesures dans le but de protéger les individus les plus vulnérables aux complications sévères liées à la COVID-19 et de prioriser des sous-groupes d’individus pour lesquels la vaccination serait le plus bénéfique.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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.
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".