Mortality in a cohort of 3.1 million children, adolescents and young adults
Notice bibliographique
Résumé
BACKGROUND: Many youth deaths occur in the first year of life, from prematurity and anomalies. Detailing mortality after age 1 year may differentially guide preventive strategies in children, adolescents and young adults. METHODS: A cohort study in Ontario, Canada comprised 3 139 698 children born from 1990 to 2016. Adjusted HR (aHR) for death between 1 and 24 years were generated, comparing demographic variables and parity. RESULTS: After a median of 13.7 years of follow-up, 6930 deaths occurred between ages 1 and 24 years (incidence rate 17.0 per 100 000 person-years), peaking at age 23 years (43.7 per 100 000). The aHR for death was higher among males than females (1.44, 95% CI 1.37 to 1.51), rural versus urban areas (1.48, 95% CI 1.39 to 1.58), lowest versus highest income areas (1.39, 95% CI 1.29 to 1.51) and at parity 1 (1.16, 95% CI 1.10 to 1.23), parity 2 (1.34, 95% CI 1.23 to 1.45), parity 3+ (1.96, 95% CI 1.74 to 2.21), each relative to a child without an older sibling. Among males, the proportion of deaths due to injury jumped from 30% before age 15 years to 65% thereafter, and in females, from 28% to 51%. Intentional self-harm/assault explained 11% of injury-related deaths among males before age 15 years, and 20% thereafter, with respective figures of 18% and 17% for females. Deaths outside of hospital increased with age, from 35% at age 1 year, to 66% at age 22 years. CONCLUSION: There is a heightened susceptibility of dying starting at age 15 years, especially among males, from injury, and arising outside of hospital.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».