A longitudinal analysis of temporal and spatial incidence of neonatal abstinence syndrome in Ontario: 2003-2016
Notice bibliographique
Résumé
OBJECTIVE: This study describes the incidence of neonatal abstinence syndrome (NAS) in Ontario, Canada by year and health region from 2003 to 2016. DESIGN: The incidence of NAS diagnoses per 1,000 live births was calculated for the 36 local public health agency regions in Ontario from 2003 to 2016 using retrospective hospital admissions data. Infants with a diagnosis of NAS were identified using ICD-10 code P961. Local public health agency level data were aggregated and analyzed by geographic region and by Statistics Canada 2015 Peer Groups. RESULTS: The incidence of NAS in Ontario increased from 0.99 per 1,000 live births in 2003 to 5.94 per 1,000 live births in 2016. There were major differences in NAS incidence by geography, North Western Ontario had the greatest incidence across all years. Health regions with a rural and population center mix or mostly rural population had greater incidence rate of NAS compared to health regions with high density population centers. CONCLUSIONS: The incidence of NAS has dramatically increased across Ontario in the last decade. Actions should be taken to combat the continued increase in NAS rates, especially in health regions with disproportionately high incidence of NAS.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».