The effects of COVID-19 on poisonings in the paediatric emergency department
Notice bibliographique
Résumé
Objectives: The purpose of this study is to describe the impact of the pandemic on poisoning in children under 18 years presenting to a tertiary care paediatric emergency department (ED) in Canada. Methods: We utilized the Canadian Hospitals Injury Reporting and Prevention Program (CHIRPP) surveillance data to identify children presenting to the Hospital for Sick Children for poisonings during two time periods: pre-pandemic (March 11 to December 31, 2018 and 2019) and pandemic (March 11 to December 31, 2020). Primary outcomes investigated the change in proportion for total poisonings, unintentional poisonings, recreational drug use, and intentional self-harm exposures over total ED visits. Secondarily, we examined the change in proportion of poisonings between age, sex, substance type, and admission requirement pre-pandemic versus during pandemic. Results: The proportions significantly increased for total poisonings (122.5%), unintentional poisonings (127.8%), recreational drug use (160%), and intentional self-harm poisonings (104.2%) over total ED visits. The proportions over all poisoning cases also significantly increased for cannabis (44.3%), vaping (134.6%), other recreational drugs (54.5%), multi-substance use (29.3%), and admissions due to poisonings (44.3%) during the pandemic. Conclusion: Despite an overall decrease in ED visits, there was a significant increase in poisoning presentations to our ED during the pandemic compared with pre-pandemic years. Our results will provide better insight into care delivery and public health interventions for paediatric poisonings.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».