Estimated Annual Deaths, Hospitalizations, and Emergency Department and Physician Office Visits from Foodborne Illness in Ontario
Notice bibliographique
Résumé
Public Health Ontario is working to estimate the burden of disease from environmental hazards in Ontario, Canada. As part of this effort, we estimated deaths and health care utilization resulting from exposure to pathogens and toxic substances in food. We applied fractions for the proportion of illness attributable to foodborne transmission to the annual (2008-2012) counts of deaths, hospitalizations, emergency department (ED) visits, and physician office visits for 15 diseases (13 pathogen-specific diseases and 2 nonspecific syndromes) captured by administrative health data. Nonspecific gastroenteritis (causative agent unknown) was the dominant disease, accounting for 98% of ED visits, 94% of hospitalizations, and 88% of deaths annually attributed to the 15 diseases. We estimated that foodborne nonspecific gastroenteritis results in ∼137,000 physician office visits (1000/100,000 population), 40,000 ED visits (310/100,000), 6200 hospitalizations (47/100,000), and 59 deaths (0.45/100,000) in Ontario per year (mean estimates). Our results indicate that pathogen-specific approaches to foodborne disease surveillance can substantially underestimate the deaths and illness resulting from exposure to foodborne pathogens and other causes of foodborne illness.
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 ».