Sudden Natural Deaths in Ontario, Canada: A Retrospective Autopsy Analysis (2012–2016)
Notice bibliographique
Résumé
This study was performed to identify the categories and distribution of sudden natural deaths (SNDs) in Ontario (ON) from January 2012 to December 2016 as no such reports have been published in ON, and the authors sought to find out the distribution of SND across ON by organ system, age, and sex. Three medicolegal databases were searched, and eight major categories of SND were identified and evaluated using multinomial logistic regression. During the 5-year period, 10,880 autopsies were performed on individuals aged 1–100, who died of sudden and natural causes. Over 800 causes of SNDs were recorded from January 2012 to December 2016. The largest category of SND was attributed to diseases and complications of the cardiovascular system (64.1%) followed by the respiratory system (9.1%), gastrointestinal system (6.9%), central nervous system (6.0%), metabolic diseases (3.8%), chronic alcoholism (3.5%), other (2.4%), infectious diseases (2.2%), and cancer (1.8%). The five most common causes of SND were also cardiovascular in origin, which included atherosclerotic heart disease (n = 2127, 19.5%), atherosclerotic and hypertensive heart disease (n = 711, 6.5%), myocardial infarction (n = 723, 6.6%), hypertensive heart disease (n = 518, 4.8%), and pulmonary embolism (n = 377, 3.5%). Determination of cause of death in natural deaths is an important part in death investigation, which can provide crucial information in the interest of public health by identifying public health risks and monitoring disease trends.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».