Patterns of health care utilization among people who overdosed from illegal drugs: a descriptive analysis using the BC Provincial Overdose Cohort
Notice bibliographique
Résumé
INTRODUCTION: British Columbia (BC) declared a public health emergency in April 2016 in response to a rapid rise in overdose deaths. Further understanding of health care utilization is needed to inform prevention strategies for individuals who overdose from illegal drugs. METHODS: The Provincial Overdose Cohort includes linked administrative data on health care utilization by individuals who experienced an illegal drug overdose event in BC between 1 January 2015 and 30 November 2016. Overdose cases were identified using data from ambulance services, coroners' investigations, poison control centre calls and hospital, emergency department and physician administrative records. In total, 10 455 overdose cases were identified and compared with 52 275 controls matched on age, sex and area of residence for a descriptive analysis of health care utilization. RESULTS: Two-thirds (66%) of overdose cases were male and about half (49%) were 20-39 years old. Over half of the cases (54%) visited the emergency department and about one-quarter (26%) were admitted to hospital in the year before the overdose event, compared with 17% and 9% of controls, respectively. Nevertheless, nearly onefifth (19%) of cases were recorded leaving the emergency department without being seen or against medical advice. High proportions of both cases (75%) and controls (72%) visited community-based physicians. Substance use and mental health-related concerns were the most common diagnoses among people who went on to overdose. CONCLUSION: People who overdosed frequently accessed the health care system in the year before the overdose event. In light of the high rates of health care use, there may be opportunities to identify at-risk individuals before they overdose and connect them with targeted programs and evidence-based interventions. Further work using the BC Provincial Overdose Cohort will focus on identifying risk factors for overdose events and death by overdose.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».