Canadian trends in opioid-related mortality and disabilityfrom opioid use disorder from 1990 to 2014 through thelens of the Global Burden of Disease Study
Notice bibliographique
Résumé
<sec> <title>Introduction</title> Several regions in Canada have recently experienced sharp increases in opioid overdoses and related hospitalizations and deaths. This paper describes opioid-related mortality and disability from opioid use disorder in Canada from 1990 to 2014 using data from the Global Burden of Disease (GBD) study. </sec> <sec> <title>Methods</title> We used data from the GBD study to describe temporal trends (1990–2014) in opioid-related mortality and disability from opioid use disorder using common metrics: disability-adjusted life years (DALY), deaths, years of life lost (YLL) and years lived with disability (YLD). We also compared age-standardized YLL and DALY rates per 100 000 population between Canada, the USA and other regions. </sec> <sec> <title>Results</title> The age-standardized opioid-related DALY rate in Canada was 355.5 per 100 000 population in 2014, which was higher than the global rate of 193.2, but lower than the rate of 767.9 in the United States. Between 1990 and 2014, the age-standardized opioid-related YLL rate in Canada increased by 142.2%, while globally this rate decreased by 10.1%. In comparison with YLL, YLD accounted for a larger proportion of the overall opioid-related burden across all age groups. Health loss was greater for males than females, and highest among those aged 25 to 29 years. </sec> <sec> <title>Conclusion</title> The health burden associated with opioid-related mortality and disability from opioid use disorder in Canada is significant and has increased dramatically from 1990 to 2014. These data point to a need for public health action including enhanced monitoring of a range of opioid-related harms. </sec>
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 | 0,000 | 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 ».