Sickle cell disease in Ontario, Canada: an epidemiologic profile based on health administrative data
Notice bibliographique
Résumé
BACKGROUND: The number of patients with sickle cell disease in Ontario, Canada, is unknown. In the absence of a formal registry, we performed a study to determine an approximate census via analysis of health administrative databases. METHODS: We identified Ontario patients with a diagnosis of sickle cell disease through queries of the Discharge Abstract Database, National Ambulatory Care Reporting System and Newborn Screening Ontario database. The period of inquiry was Apr. 1, 2007, through Mar. 31, 2017. We identified repeat interactions by the same patient by cross-referencing provincial health insurance plan numbers. RESULTS: We documented health care system interactions for 3418 unique patients (1912 [55.9%] female, median age at the time of identification 24 yr). Over the 10-year study period, patients visited the emergency department a median of 2 (interquartile range [IQR] 1-7) times and an average of 6.69 (standard deviation [SD] 26.71) times, and were admitted to hospital a median of 1 (IQR 1-5) time and an average of 4.38 (SD 8.53) times for treatment related to sickle cell disease. A total of 229 patients (6.7%) died during the study period, with an average age at death of 55 years. Even without accounting for the effects of immigration, the rate of natural increase slowed slightly over the study period owing to a decrease in the annual number of affected births. INTERPRETATION: The estimated prevalence of patients with sickle cell disease in Ontario in 2007/08-2016/17 was 1 in 4200, and affected patients' need for hospital-based care was substantial, although highly variable. Similar queries of health administrative databases may be feasible in other Canadian provinces.
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) | 0,000 | 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) | 0,001 | 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 ».