Trends in alcohol‐attributable hospitalisations and emergency department visits by age, sex, drinking group and health condition in Ontario, Canada
Notice bibliographique
Résumé
INTRODUCTION: Alcohol-attributable harms are increasing in Canada. We described trends in alcohol-attributable hospitalisations and emergency department (ED) visits by age, sex, drinking group, attribution and health condition. METHODS: Hospitalisation and ED visits for partially or wholly alcohol-attributable health conditions by age and sex were obtained from population-based health administrative data for individuals aged 15+ in Ontario, Canada. Population-level alcohol exposure was estimated using per capita alcohol sales and alcohol use data. We estimated the number and rate of alcohol-attributable hospitalisations (2008-2018) and ED visits (2008-2019) using the International Model of Alcohol Harms and Policies (InterMAHP). RESULTS: Over the study period, the modelled rates of alcohol-attributable health-care encounters were higher in males, but increased faster in females. Specifically, rates of alcohol-attributable hospitalisations and ED visits increased by 300% (19-76 per 100,000) and 37% (774-1,064 per 100,000) in females, compared to 20% (322-386 per 100,000) and 2% (2563-2626 per 100,000) in males, respectively. Alcohol-attributable ED visit rates were highest among individuals aged 15-34, however, increased faster among individuals aged 65+ (females: 266%; males: 44%) than 15-34 years (females:+17%; males: -16%). High-volume drinkers had the highest rates of alcohol-attributable health-care encounters; yet, low-/medium-volume drinkers contributed substantial hospitalisations (11%) and ED visits (36%), with increasing rates of ED visits in females drinking low/medium volumes. DISCUSSION AND CONCLUSIONS: Alcohol-attributable health-care encounters increased overall, and faster among females, adults aged 65+ and low-/medium-volume drinkers. Monitoring trends across subpopulations is imperative to inform equitable interventions to mitigate alcohol-attributable harms.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».