Étude descriptive des liens entre les hospitalisations pour intoxication liée à la consommation de substances et l’itinérance au Canada
Bibliographic record
Abstract
Introduction L’objectif de cette analyse est de décrire les caractéristiques démographiques du patient, le contexte, les caractéristiques et les conséquences de l’intoxication liée à la consommation de substances ainsi que les troubles de santé mentale consignés chez les personnes ayant un logement et chez celles en situation d’itinérance. Méthodologie Les données sur l’hospitalisation au Canada (à l’exclusion du Québec) du 1er avril 2019 au 31 mars 2020 ont été extraites de la Base de données sur les congés des patients de l’Institut canadien d’information sur la santé (ICIS) à l’aide des codes de la CIM-10-CA pour jusqu’à 25 diagnostics d’intoxication liée à la consommation de substances, l’itinérance et d’autres caractéristiques ayant trait à l’hospitalisation du patient. À l’aide du test du khi carré, de tests t et de la méthode exacte de Fisher, nous avons comparé les caractéristiques des personnes en situation d’itinérance à celles des personnes ayant un logement ainsi que les caractéristiques de leur hospitalisation pour intoxication liée à la consommation de substances. Résultats La proportion d’hommes, de jeunes et de personnes ayant des troubles de santé mentale consignés était plus forte chez les personnes en situation d’itinérance hospitalisées pour une intoxication liée à la consommation de substances que chez leurs homologues ayant un logement. Les intoxications liées à la consommation de substances chez les personnes en situation d’itinérance étaient plus susceptibles d’être accidentelles, d’être causées par des opioïdes et des stimulants (le plus souvent le fentanyl et ses analogues ainsi que l’héroïne), d’entraîner une hospitalisation plus longue et de se conclure par un départ de l’hôpital contre l’avis du médecin. Conclusion Ces résultats sont utilisables pour renforcer les stratégies et les interventions visant à réduire les méfaits liés à la consommation de substances dans les populations prioritaires, en particulier les personnes en situation d’itinérance.
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 | 0.001 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.013 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".