Le système de surveillance des anomalies congénitales de l’Alberta : compte rendu des données sur 40 ans avec prévalence et tendances de certaines anomalies congénitales entre 1997 et 2019
Bibliographic record
Abstract
Introduction On manque de données provinciales ou territoriales à long terme publiées et actuelles sur les anomalies congénitales Au Canada. Cette étude fait état de la prévalence (pour 1000 naissances totales) et des tendances pour diverses anomalies congénitales de 1997 à 2019 en Alberta (Canada). Les facteurs de risque associés sont également abordés. Methods Nous avons utilisé les données du Système de surveillance des anomalies congénitales de l’Alberta (ACASS) pour calculer la prévalence et effectuer des analyses de tendance linéaire par test du chi carré. Results Entre 1997 et 2019, la prévalence globale des anomalies du tube neural est demeurée stable, à 0,74 pour 1000 naissances totales. C’était également le cas pour le spina bifida (0,38), les fentes orofaciales (1,99), les cardiopathies congénitales graves (transposition des grandes artères, 0,38; tétralogie de Fallot, 0,33; hypoplasie du coeur gauche, 0,32) et le gastroschisis (0,38). L’anencéphalie, la fente palatine et les anomalies anorectales ont diminué significativement, avec une prévalence de respectivement 0,23, 0,75 et 0,54 pour 1000 naissances totales. Une tendance significativement à la hausse a été relevée pour l’anotie/microtie (0,24), les anomalies de raccourcissement des membres (0,73), l’omphalocèle (0,36) et le syndrome de Down (2,21), ainsi que pour l’hypospadias et la cryptorchidie (respectivement 4,68 et 5,29 pour 1 000 naissances masculines). Conclusion Les anomalies congénitales constituent un important problème de santé publique, qui est associé à des coûts sociaux et sociétaux substantiels. Les données de surveillance recueillies par l’ACASS sur plus de 40 ans peuvent servir à la planification et aux décisions en matière de politiques ainsi qu’à l’évaluation des stratégies de prévention. Les facteurs génétiques et environnementaux contributifs sont abordés, de même que la nécessité de poursuivre la surveillance et la recherche.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.010 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".