Caractéristiques régionales des décès attribuables à une intoxication aiguë liée à une substance : analyse descriptive d’une étude nationale d’examen des dossiers des données de coroners et de médecins légistes
Bibliographic record
Abstract
Parmi les personnes qui sont décédées au Canada à la suite d’une intoxication aiguë liée à une substance en 2016 et en 2017, les décès variaient selon la taille de la population de la communauté et les indicateurs de défavorisation au niveau des quartiers (instabilité résidentielle, dépendance économique, composition ethnoculturelle et vulnérabilité situationnelle) : Le pourcentage le plus élevé de décès a été recensé chez les personnes qui résidaient dans les plus grandes communautés urbaines comptant 1 500 000 habitants ou plus (Toronto, Montréal et Vancouver), soit 30 % des décès. Le taux de mortalité le plus élevé a été enregistré chez les personnes qui résidaient dans des communautés urbaines comptant entre 100 000 et 499 999 habitants. Le pourcentage de décès et le taux de mortalité les plus élevés ont été enregistrés chez les personnes qui résidaient dans des quartiers présentant les niveaux les plus élevés d’instabilité résidentielle (changements de population dans le quartier) et de vulnérabilité situationnelle (problèmes de logement, faible niveau d’éducation, population se définissant comme autochtone). Indépendamment de la taille de la communauté et des dimensions de la défavorisation parmi les quatre existantes, la majorité des décès sont survenus : o de façon accidentelle; o chez les hommes; o chez les personnes âgées de 30 à 59 ans.
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 | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| 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".