Notice bibliographique
Résumé
This thesis describes the application of health services research techniques to the study of toxicoepidemiology in Ontario using multiple administrative databases. From January 1st 1992 to December 31st 2001, we identified 80,888 hospital admissions in Ontario for which a poisoning (ICD-9 960.0 to 990.0) was the most responsible diagnosis. Of these, 43,965 (54.4%) were coded as self-inflicted, 46,970 (58.1%) involved women, and 5,793 (7.2%) involved children under age 6. About 5,708 patients died from poisoning, although only 884 of these were identified from hospital records. Acetaminophen poisoning (n = 12,738) was the most common diagnosis, followed by poisoning due to benzodiazepines (n = 9,368), antidepressants (n = 8,488) and salicylates (n = 3,344). Collectively, admissions for poisoning led to about 307,250 days in hospital. Examining specific poisonings, we found that hospitalization for iron poisoning in children less than age 3 was temporally associated with the birth of a sibling. Among elderly Ontarians treated with lithium, hospital admission for lithium toxicity was a relatively common occurrence and often followed a recognized drug interaction. Finally, hospitalization for toxic effects of digoxin, glyburide, and angiotensin converting enzyme (ACE) inhibitors was strongly associated with recent prescriptions for drugs known to provoke the toxicities of these agents. In addition to the specific findings outlined above, the results of this thesis demonstrate that the application of observational research methods to population-based healthcare databases is a feasible, efficient, and novel means of studying the epidemiology of poisoning.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| 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 | 0,000 |
| 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 ».