International comparison of sudden unexpected death in infancy rates using a newly proposed set of cause-of-death codes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Comparing rates of sudden unexpected death in infancy (SUDI) in different countries and over time is difficult, as these deaths are certified differently in different countries, and, even within the same jurisdiction, changes in this death certification process have occurred over time. AIMS: To identify if International Classification of Diseases-10 (ICD-10) codes are being applied differently in different countries, and to develop a more robust tool for international comparison of these types of deaths. METHODS: Usage of six ICD-10 codes, which code for the majority of SUDI, was compared for the years 2002-2010 in eight high-income countries. RESULTS: There was a great variability in how each country codes SUDI. For example, the proportion of SUDI coded as sudden infant death syndrome (R95) ranged from 32.6% in Japan to 72.5% in Germany. The proportion of deaths coded as accidental suffocation and strangulation in bed (W75) ranged from 1.1% in Germany to 31.7% in New Zealand. Japan was the only country to consistently use the R96 code, with 44.8% of SUDI attributed to that code. The lowest, overall, SUDI rate was seen in the Netherlands (0.19/1000 live births (LB)), and the highest in New Zealand (1.00/1000 LB). SUDI accounted for one-third to half of postneonatal mortality in 2002-2010 for all of the countries except for the Netherlands. CONCLUSIONS: The proposed set of ICD-10 codes encompasses the codes used in different countries for most SUDI cases. Use of these codes will allow for better international comparisons and tracking of trends over time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle