MétaCan
Menu
← Back to cohort
Record W7104250123 · doi:10.71781/1543

Les facteurs institutionnels associés aux infections et à la mortalité COVID-19 en centre d’hébergement pendant la première vague : une analyse de 17 CHSLD à Montréal

2021· dissertation· fr· W7104250123 on OpenAlexaboutno aff

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2021
Typedissertation
Languagefr
FieldHealth Professions
TopicGeriatric Care and Nursing Homes
Canadian institutionsnot available
Fundersnot available
KeywordsPopulationMedical screeningResearch methodologyContext (archaeology)

Abstract

fetched live from OpenAlex

Contexte : Partout dans le monde, la population âgée en hébergement a été la plus lourdement affectée par la pandémie de COVID-19, du point de vue des infections et des décès. Or, ces mêmes personnes ont été exclues d’une grande partie de la littérature scientifique. Ce mémoire décrit l’évolution des éclosions dans 17 CHSLD publics de Montréal, dont certains ont été fortement atteints alors que d’autres ont été épargnés pendant la première vague (23 février au 11 juillet 2020), en cherchant à élucider les facteurs associés à l’incidence et à la létalité de la COVID-19. Méthodes : Des données institutionnelles ont été recueillies sur les 17 CHSLD du CIUSSS Centre-Sud-de-l'Île-de-Montréal et des données individuelles ont été obtenues grâce à une révision des 1197 dossiers de patients atteints de la COVID-19 en première vague. Dans l’analyse ARIMA, des séries chronologiques ont été construites pour les cas incidents bruts chez les résidents en CHSLD et dans la ville de Montréal, afin d’évaluer l’impact de deux interventions, soit le port généralisé du masque de procédure et le dépistage élargi des résidents et des employés. Dans l’analyse des infections par CHSLD, des modèles de régression de type binomial négatif ont été construits pour estimer l’effet des facteurs de risque institutionnels sur l’incidence de la COVID-19 chez les résidents. Dans l’analyse de surmortalité, les excès de décès durant la période de février à juillet ont été évalués avec des tests t et des ratios de taux entre l’année 2020 et la moyenne des quatre années précédentes (2016-2019). Enfin, pour l’analyse de mortalité dans la cohorte rétrospective de résidents atteints de la COVID-19, des modèles de régression logistique à effets mixtes ont été utilisés pour évaluer les facteurs institutionnels et les traitements associés à la mortalité dans les 30 jours suivant un diagnostic de COVID-19, en contrôlant pour les facteurs de risque individuels. Résultats : Dans l’analyse de série chronologique ARIMA, chaque augmentation d’un cas incident quotidien par 100 000 à Montréal était associée avec une augmentation de 0,051 (IC95% 0,044 à 0,058) fois l’incidence quotidienne en CHSLD la semaine suivante, chez les résidents à risque. De plus, en contrôlant pour la transmission communautaire, chaque palier d’intensification du dépistage était associé à une diminution de l’incidence de 11,8 fois (IC95% -15,1 à -8,5) dans les deux semaines suivantes, chez les résidents à risque. Dans le modèle explicatif des infections au niveau des CHSLD, la pénurie sévère d’infirmières auxiliaires (IRR 3,2; IC95% 1,4 à 7,2), la mauvaise performance aux audits ministériels (IRR 3,0; IC95% 1,1 à 7,8) et un score moyen d’autonomie plus faible (IRR 2,1; IC95% 1,4 à 3,1) étaient associés au taux d’incidence par centre. En revanche, la présence de zone chaude dédiée aux patients COVID-19 (IRR; 0,56 IC95% 0,34 à 0,92) était protectrice. Pour l’ensemble des 17 CHSLD avec 2670 lits, l’excès de décès de février à juillet 2020 était de 428 (IC95% 409 à 447). Comparé aux quatre années précédentes, il y a eu plus que le double (IRR 2,3; IC95% 2,1 à 2,5) de décès en 2020 pendant la période de la première vague. Pour 12 CHSLD qui ont vécu des éclosions importantes, les excès de décès en 2020 variaient de 5,2 à 41,9 décès par 100 lits, avec une surmortalité par rapport aux années précédentes allant de 1,9 à 3,8. Selon l’analyse de mortalité dans la cohorte rétrospective, les facteurs individuels associés à la mortalité dans les 30 jours suivant le diagnostic de COVID-19 étaient l’âge (OR 1,58; IC95% 1,35 à 1,85 par tranche additionnelle de 10 ans), le sexe masculin (OR 2,37; IC95% 1,70 à 3,32), la perte d’autonomie (OR 1,12; IC95% 1,05 à 1,20 pour chaque augmentation d’un point à l’Iso-SMAF), le niveau d’intervention médicale C (OR 3,43; IC95% 1,57 à 7,51) et D (OR 3,61; IC95% 1,47 à 8,89) comparé au niveau A, ainsi que les diagnostics de trouble neurocognitif (OR 1,54; IC95% 1,04 à 2,29) et d’insuffisance cardiaque (OR 2,36; IC95% 1,45 à 3,85). Le traitement avec une thromboprophylaxie (OR 0,42; IC95% 0,29 à 0,63) et l’infection tardive après le 20 avril 2020 (OR 0,46; IC95% 0,33 à 0,65) étaient associés à la survie à 30 jours. Pour les facteurs institutionnels, la pénurie sévère de 25% ou plus d’infirmières auxiliaires (OR 1,91; IC95% 1,14 à 3,21 par rapport à une pénurie légère < 15%) et la taille du centre (OR 1,77; IC95% 1,17 à 2,68 pour chaque 100 lits additionnels) étaient associés au décès dans les 30 jours. Conclusion : Ce mémoire a relevé plusieurs facteurs de risque modifiables au niveau institutionnel associés aux infections et aux décès COVID-19, dont le dépistage, l’adhérence aux directives ministérielles de prévention et contrôle des infections, la pénurie d’infirmières auxiliaires et le nombre de lits par centre. Ces enjeux cruciaux devront être au cœur des futures orientations et politiques touchant les centres d’hébergement, pour cette pandémie et au-delà.

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)0.003
metaresearch head score (Gemma)0.008
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 score0.041
Threshold uncertainty score0.150

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.008
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.007
Science and technology studies0.0020.001
Scholarly communication0.0020.001
Open science0.0020.002
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.017
GPT teacher head0.297
Teacher spread0.280 · 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

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)→Same topicGeriatric Care and Nursing Homes→French-language works237,207→