Opium Consumption and the Risk of Traffic Injuries in Regular Users: A Case-Crossover Study in an Emergency Department
Notice bibliographique
Résumé
OBJECTIVE: The cause-specific annual death rate due to traffic injuries is around 30 in 100,000 in Iran. On the other hand, this country has the highest proportion of opiate users in the world. Little is known about the transient effect of opium on traffic injuries. The objective of this study was to explore the effect of opium consumption on traffic injuries in drivers who use opium. METHODS: Seventy-five regular opium users who suffered traffic injuries were studied in a case-crossover investigation. The study subjects had been admitted to the single trauma emergency department in Kerman, a city in southeast Iran. The relative risk (RR) of short-term opium effect was estimated by considering frequency of driving after opium consumption during 6 hours before the accident in comparison to the usual frequency of driving after opium consumption by the same persons. Stratified data analysis was performed by the Mantel-Haenszel method. RESULTS: The opium consumption of drivers up to 6 hours before the accident was associated with an increased RR = 3.2, 95 percent confidence interval (CI): 1.9, 5.4. The third hour after consumption had the greatest magnitude of effect considering RR = 4.29, 95 percent CI:2.65, 6.95. CONCLUSIONS: These results suggest a heightened risk of traffic injuries after opium consumption in regular users. The RR in the third hour after consumption could be explained by considering the greater probability of driving compared to the immediate hours after use, rather than peak effect time of opiates. The results indicate necessity of regular assessment of all common drivers, especially truck and bus drivers, regarding use of opium.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».