Practice Trends in the Use of Extracorporeal Treatments for Poisoning in Four Countries
Notice bibliographique
Résumé
Extracorporeal treatments (ECTRs) such as hemodialysis (HD), enhance the elimination of a small number of toxins. Changes in overdose trends, prescribing practices, antidotes, and dialysis techniques may alter the indications and rates of ECTR use over time. This study analyzed trends in ECTR for poisonings in four countries. A retrospective study of national poison center databases from the United States, Denmark, United Kingdom, and five regional databases within Canada was performed. All cases of patients receiving an ECTR were included. ECTR cases were totalled annually and reported as annual rates per 100,000 exposures with stratification per types of ECTR and toxins. The data collection varied by countries. United States, 1985-2014; United Kingdom, 2011-2013; Denmark, 2005-2014, and regions of Canada as follows: Alberta, 1991-2015; Saskatchewan, 2001-2015; Nova Scotia-PEI, 2006-2015; Quebec, 2008-2014; Ontario-Manitoba, 2009-2015; British Columbia, 2012-2015. During the study period, the total number of ECTRs and rates per 100,000 exposures, respectively, were: United States, 40,258 and 65.7; United Kingdom, 343 and 232.6; Denmark, 616 and 305.5; Canada, 2709 and 177.5; case rates increased over time for the United States, Denmark, and Canada, but decreased in the United Kingdom. Across the United States and Denmark, HD was the preferred modality used. Toxins for which ECTR was most often used were: United States, ethylene glycol; Canada, methanol; United Kingdom, ethylene glycol; Denmark, salicylates. A high number of ECTRs were performed for atypical toxins such as acetaminophen and benzodiazepines. These data demonstrate a growing use of HD for poisoning with significant regional variations in the overall rates and indications.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».