Bibliographic record
Abstract
Fast 40 000 Beratungen führte Tox Info Suisse, die offizielle Informationsstelle der Schweiz für alle Fragen rund um Vergiftungen, im Jahr 2019 durch.Welche Personengruppen aus welchen Gründen betroffen waren -und wie viele Todesfälle es gab.Eine Übersicht.Tox Info Suisse führte 2019 insgesamt 39 217 Beratungen durch, 36 340 zu Giftexpositionen und 2869 theoretischer Natur.Übersicht: Vergiftungen in der Schweiz 2019 Die 36 340 Beratungen zu Giftexpositionen entsprachen 32 480 Vergiftungsfällen (Tab.1), da zum Teil mehrere Beratungen zu einem Fall stattfinden.17 719 der Fälle (54,6%) betrafen Kinder, davon waren 14 359 (81,0%) jünger als 5 Jahre.Bei der Geschlechtsverteilung war bei den Kindern ein leichtes Überwiegen der Knaben (51,4%) gegenüber den Mädchen (47,5%) und bei den Erwachsenen der Frauen (57,1%) gegenüber den Männern (42,3%) zu sehen.Von den 26 291 unbeabsichtigten (akzidentellen) Vergiftungsfällen ereigneten sich 89% im häuslichen Umfeld, bei den 4445 beabsichtigten Intoxikationen trat die grösste Anzahl (69,5%) im Rahmen von Suizidversuchen auf.Am häufigsten involviert waren Medikamente (35,3%), Haushaltsprodukte (25,8%) und Pflanzen (8,8%) (Tab.1).Diese Anteile zeigten bei den Erwachsenen und Kindern zum Teil deutliche Unterschiede; während bei den Haushaltsprodukten in 18,8% der Fälle Erwachsene betroffen waren, waren es bei den Kindern 31,5%.Der Anteil der Pflanzenvergiftungen lag bei den Kindern bei 12,3%, bei den Erwachsenen bei 4,7%.Dafür waren bei Erwachsenen deutlich mehr technische und gewerbliche Produkte involviert als bei Kindern mit 11,2% gegenüber 2,5% (Tab.1).Bei den Fällen mit ärztlicher Rückmeldung wird eine Schweregrad-[1] und eine Kausalitätsbeurteilung vorgenommen.Bei 4223 Fällen lag eine hohe Kausalität
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.030 | 0.005 |
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".