Using administrative health data to estimate prevalence and mortality rates of alcohol and other substance‐related disorders for surveillance purposes
Notice bibliographique
Résumé
INTRODUCTION: Administrative health databases (AHD) are critical to guide health service management and can inform the whole spectrum of substance-related disorders (SRD). This study estimates prevalence and mortality rates of SRD in administrative health databases. METHODS: The Quebec Integrated Chronic Disease Surveillance System consists of linked AHD. Analyses were performed on data of all Quebec residents aged 12 and over and eligible for health-care coverage using the International Classification of Diseases (ninth or tenth revision) for case identification. Mortality rate ratios stratified by causes of death were obtained to calculate an excess of mortality. RESULTS: Since 2001-2002, the annual age-adjusted prevalence rate of diagnosed overall SRD remained stable (8.6 per 1000 in 2017-2018). In any given year, the annual prevalence rate was significantly higher in males; adolescents had the lowest rate, while adults 65 years and older the highest. The annual 2017-2018 rate was 2.1 per 1000 for alcohol-induced disorder, 1.9 for other drug-induced disorder, 0.7 for alcohol intoxication and 0.6 for other drug intoxications. Cumulative rate of any diagnosis related to alcohol was 32 per 1000 females and 53 per 1000 males (2001-2018), and 33 per 1000 females and 49 per 1000 males for any diagnosis related to other drugs. There was an excess of all-cause mortality among individuals with SRD compared to the general population. DISCUSSION AND CONCLUSIONS: AHD can complement epidemiological surveys in monitoring SRD jurisdiction-wide. Surveillance of services utilisation and interventions, coupled with health outcomes like mortality, could be useful in guiding health services planning.
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 | 0,000 | 0,000 |
| 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 ».