Spatiotemporal epidemiology of substance-related accidental acute toxicity deaths in Canada from 2016 to 2017
Notice bibliographique
Résumé
OBJECTIVES: In Canada, substance-related accidental acute toxicity deaths (AATDs) continue to rise at the national and sub-national levels. However, it is unknown if, where, when, and to what degree AATDs cluster in space, time, and space-time across the country. The objectives of this study were to 1) assess for clusters of AATDs that occurred in Canada during 2016 and 2017 at the national and provincial/territorial (P/T) levels, and 2) examine the substance types detected in AATD cases within each cluster. METHODS: Two years of person-level data on AATDs were abstracted from coroner and medical examiner files using a standardized data collection tool, including the decedent's postal code and municipality information on the places of residence, acute toxicity (AT) event, and death, and the substances detected in the death. Data were combined with Canadian census information to create choropleth maps depicting AATD rates by census division. Spatial scan statistics were used to build Poisson models to identify clusters of high rates (p < 0.05) of AATDs at the national and P/T levels in space, time, and space-time over the study period. AATD cases within clusters were further examined for substance types most present in each cluster. RESULTS: Eight clusters in five regions of Canada at the national level and 24 clusters in 15 regions at the P/T level were identified, highlighting where AATDs occurred at far higher rates than the rest of the country. The risk ratios of identified clusters ranged from 1.28 to 9.62. Substances detected in clusters varied by region and time, however, opioids, stimulants, and alcohol were typically the most commonly detected substances within clusters. CONCLUSION: Our findings are the first in Canada to reveal the geographic disparities in AATDs at national and P/T levels using spatial scan statistics. Rates associated with substance types within each cluster highlight which substance types were most detected in the identified regions. Findings may be used to guide intervention/program planning and provide a picture of the 2016 and 2017 context that can be used for comparisons of the geographic distribution of AATDs and substances with different time periods.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».