Pediatric Exposures Reported to the Toxicology Investigators Consortium, 2010–2015
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Poisoning is the leading cause of injury death in pediatric patients. Hospital and provider readiness, including pharmacy stocking, depends on reliable surveillance data describing local patterns of age-specific clinically significant exposures and the therapeutic modalities employed in their treatment. We aimed to characterize trends in clinically significant toxic exposures and their management. METHODS: We performed a retrospective review of patients 18 years or younger in the American College of Medical Toxicology's Toxicology Investigators Consortium (ToxIC) Registry, a self-reporting database completed by bedside consulting medical toxicologists. We reviewed cases from January 1, 2010, through December 31, 2015. In 2015, ToxIC included 101 health care facilities. Data collected included demographics, geographic region, encounter and exposure details, survival, and therapeutic modalities employed, including antidotes, antivenoms, gastric decontamination, enhanced elimination, hyperbaric oxygen therapy, and extracorporeal membrane oxygenation. RESULTS: From 2010 to 2015, 11,616 consults were recorded in ToxIC. Pediatric consultations increased from 934 (23.7%) in 2010 to 2425 (29.9%) in 2015 (P < 0.001). Exposures were most commonly reported in females (57.8%) and adolescents (59.4%). Intentional ingestions (55.5%) comprised the majority of cases. The most frequent agents of exposure were analgesics (21.0%). There were 38 deaths reported (0.9%). The antidote used most commonly was N-acetylcysteine (11.0%). Geographic variation was demonstrated in prevalence of envenomations and heavy metal exposures, their respective treatments, and overall use of decontamination. CONCLUSIONS: Toxicology consultations for pediatric exposures increased from 2010 to 2015. Understanding which pediatric exposures require toxicologist management, the therapies most frequently employed, and geographical patterns is paramount to facility-level planning, pharmacy stocking, and provider education.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».