Measuring Migraine in Canada and the USA: An Online Survey of Emergency Room and Smartphone Application Use
Notice bibliographique
Résumé
BACKGROUND: Knowledge of environmental triggers for migraine attacks is limited and has mostly been acquired by studies using emergency room (ER) visits. However, it is unlikely that ER visits are a random sample of migraine events, even within strata of migraine severity. Additionally, time lags between attack onset and ER visits may vary across the population, posing challenges for assessing causal links of migraine with community-level or ecologic exposures. OBJECTIVE: Our objective was to assess the relationship between demographic and geographic measures and self-reported migraine-related ER visits. METHODS: We analyzed a targeted non-probability survey of ER use related to migraine in Canada and the USA. The 18-question online survey addressed ER use and behaviors related to recording attacks. RESULTS: The final dataset included 389 respondents (Canada = 164 [42.2%], USA = 225 [57.8%]); 51 (13.1%) were Migraine Buddy app users who shared their diaries. In both countries, participants reported similar migraine symptoms. Barriers to attending the ER included cost and wait times. There was more variability in delays between attack onset and arrival to the ER than between onset and recording in the smartphone app. Younger participants and participants living in Canada were significantly more likely to present to the ER. CONCLUSION: The sample of patients presenting to the ER for migraine may be biased toward younger patients and depend on the jurisdiction. Smartphone app records may have fewer barriers to creation and more consistent time lags compared to ER visit records.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».