Out-of-hospital mortality following injury in Canada
Bibliographic record
Abstract
Contexte : Selon plusieurs études, plus de 50% des décès à la suite des blessures surviennent hors hôpital. Cependant, à l'échelle Canadienne, cette proportion est inconnue. Notre étude vise à déterminer la proportion globale des décès en dehors de l'hôpital à la suite des blessures au Canada, comparer les proportions entre les provinces et évaluer comment les variations interprovinciales sont modifiées par le sexe, le groupe d'âge et l'année. Méthodes : Nous avons mené une étude rétrospective en utilisant les données agrégées sur les décès de Statistique Canada et de l'Institut canadien d'information sur la santé. Nous avons considéré tous les décès enregistrés du 1er janvier 2017 au 31 décembre 2020 avec un diagnostic principal de blessures tel qu'identifié par les codes classification internationale des maladies. Nous avons calculé le nombre total de décès en dehors de l'hôpital, sa proportion et l'intervalle de confiance (IC) à 95% au sein des provinces. Nous avons utilisé la régression logistique pour évaluer les variations interprovinciales ajustées et examiner si ces variations sont modifiées par le sexe, l'âge et l'année. Résultats : Globalement, 48% des décès à la suite des blessures sont survenus en dehors de l'hôpital. Cette proportion varie de 30% dans les provinces atlantiques à 83% dans les territoires. L'analyse multivariée a montré que les cotes de décès en dehors de l'hôpital ajustée pour le sexe, l'âge, et l'années calendrier sont respectivement 38% plus élevées en Alberta (rapport de cote=1,38, IC=1,28-1,48) et 25% plus faibles en Colombie Britannique (rapport de cote=0,75, IC=0,69-0,81) comparativement à l'Ontario. Ces différences interprovinciales variaient par âge, sexe, et l'année. Conclusion : Près de la moitié des décès à la suite des blessures au Canada surviennent hors hôpital. Cette proportion de mortalité varie entre les provinces et ces variations interprovinciales sont modifiées par l'âge, le sexe et l'année.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".