Patterns of mortality among adults with intellectual and developmental disabilities in the Canadian province of Manitoba
Notice bibliographique
Résumé
Abstract Objectives The goals of this study were to examine and compare (a) the annual adult mortality rates and (b) the most commonly reported underlying causes of death between a cohort of Manitobans with intellectual and developmental disabilities (IDD) and a matched comparison group without IDD. Methods Using linked health and nonhealth administrative data, a cohort of Manitoba adults with IDD, aged 25–99 years in 2012, was identified. Each person in the study cohort was matched with three persons without IDD based on age, sex, region of residence, and morbidity level. The two groups were followed for three years (2013–2015). Crude annual adult mortality rates and avoidable premature mortality rates were calculated. The leading causes of death over the 3‐year study period were tabulated by ICD‐10 chapter. Coding of the underlying causes of death was reviewed. Results The crude annual mortality rates for Manitoba adults with IDD were 1.8–2.4 times higher than those for the matched comparison group and remained stable over time. Disparities in mortality rates for the IDD cohort relative to the matched comparison group decreased with increasing age. No significant sex differences were found. The leading causes of death among the IDD cohort were diseases of the circulatory system, cancer, and diseases of the respiratory system. Avoidable premature deaths were 2.3–3.3 times more prevalent among Manitoba adults with IDD compared to the matched comparison group. An IDD diagnostic code was reported as cause of death in 2.11% of cases. Conclusions The excess mortality among adults with IDD should be monitored in Manitoba and all other jurisdictions and attention paid to the causes of death and their coding.
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 | 0,245 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».