Facteurs socioéconomiques et substances en cause dans les visites aux urgences liées à des intoxications en Colombie Britannique (Canada)
Bibliographic record
Abstract
Introduction La crise des opioïdes au Canada a coûté la vie à des milliers de personnes, mettant davantage en lumière que les blessures liées aux intoxications constituent un problème de santé publique important. Cependant, en Colombie-Britannique, où le taux de mortalité par surdose est le plus élevé au Canada, les études n’ont pas encore permis de déterminer quelles populations visitent le plus souvent les urgences pour une intoxication ni quelles substances sont le plus souvent en cause. L’objectif de cette étude était d’explorer ces lacunes après avoir élaboré une méthodologie pour calculer les taux de visite aux urgences en Colombie Britannique. Méthodologie Grâce à une nouvelle méthodologie élaborée dans cette étude, nous avons calculé les taux de visite aux urgences liée à une intoxication sur la période 2012-2013 à 2016-2017 par sexe, groupe d’âge, substance ayant mené à l’intoxication et statut socioéconomique. Les données relatives aux urgences proviennent du Système national d’information sur les soins ambulatoires et les données de population proviennent des profils de recensements de 2016 (ou 2011) de Statistique Canada. Résultats Au cours de la période étudiée, on estime qu’il y a eu 81 463 visites aux urgences en raison d’une intoxication (351,2 pour 100 000 habitants). Les nourrissons, les tout-petits, les jeunes et les personnes de 20 à 64 ans présentaient un risque élevé de visites aux urgences en raison d’une intoxication. Les taux les plus élevés touchaient les personnes vivant dans les quartiers les plus défavorisés sur le plan matériel (607,8 pour 100 000 habitants) ou social (484,2 pour 100 000 habitants). Au fil du temps, les intoxications causées par les narcotiques et les psychodysleptiques sont devenues de plus en plus fréquentes, l’alcool demeurant toujours un problème. Conclusion Nous avons élaboré et appliqué une méthodologie d’estimation des taux de visite aux urgences en Colombie-Britannique pour déterminer ceux liés à une intoxication au sein de divers groupes de population de la province. Maintenant que nous savons quelles populations sont les plus vulnérables aux intoxications en Colombie-Britannique, il faut déployer des efforts pour limiter les surdoses de drogues et les intoxications liées à une consommation excessive d’alcool afin de réduire les taux de ces blessures évitables.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".