The measurement of disability weights for 18 prevalent acute poisoning conditions
Notice bibliographique
Résumé
BACKGROUND: Disability weights (DWs) are used in disease burden studies, with the calculation of the weight of the disability as years lived with disability versus years of lost life accounting for mortalities. Currently, there is a single DW score available for poisoning, which is considered to be a single health state. This makes it difficult to evaluate the differing burdens of poisonings involving various substances/conditions in comparison with other health states in countries with different patterns of substance abuse. The aim of this study is therefore to estimate the DWs of 18 common poisonings based on the expert elicitation method. METHODS: A panel of 10 medical clinicians who were familiar with the clinical aspects of different poisonings estimated the DWs of 50 health states by interpolating them on a calibrated Visual Analogue Scale. The DWs of some poisonings, such as alcohol, cannabis and heroin, had been estimated in previous studies and so were used to determine the external consistency of our panel. As a matter of routine, the DWs could vary on a scale between 0 (best health state) and 1 (worst health state). RESULTS: Statistical analysis showed that both the internal (Cronbach's α = 0.912) and external consistency of the panel were acceptable. The DWs for the different poisonings were estimated along a range from 0.830 for severe aluminium phosphide to 0.022 for mild benzodiazepine. CONCLUSIONS: Different poisonings should be weighted differently since they vary widely. Unfortunately, they are currently all weighted the same.
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 | 0,000 | 0,000 |
| 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 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 ».