Sentinel surveillance of suspected opioid-related poisonings and injuries: trends and context derived from the electronicCanadian Hospitals Injury Reporting and Prevention Program, March 2011 to June 2017
Notice bibliographique
Résumé
INTRODUCTION: The opioid epidemic is currently a major public health problem in Canada. As such, knowledge of upstream risk factors associated with opioid use is needed to inform injury prevention, health promotion and harm reduction efforts. METHODS: We analyzed data extracted from 11 pediatric and 6 general hospital emergency departments (EDs) as part of the electronic Canadian Hospitals Injury Reporting and Prevention Program (eCHIRPP) from March 2011 to June 2017. We identified suspected opioid-related injuries using search strings and manually verified them. We computed age-adjusted and sex-stratified proportionate injury ratios (PIRs) and 95% confidence intervals (CIs) to compare opioid-related injuries to all injuries in eCHIRPP. Negative binomial regression was used to determine trends over time. We conducted qualitative analyses of narratives to identify common themes across life stages. RESULTS: Between March 2011 and June 2017, 583 suspected opioid-related poisoning/ injury cases were identified from eCHIRPP. Most of the cases were females (55%). Many of the injuries occurred in patients' own homes (51%). Forty-five percent of the injuries were intentional self-harm. Among children (aged 1-9 years), most injuries were caused by inadvertent consumption of opioids left unattended. Among youth (aged 10-19 years) and adults (aged 20-49 years), opioid use was associated with underlying mental illness. Overall, the average annual percent change (AAPC) in the rate of injuries (per 100 000 eCHIRPP cases) has been increasing since 2012 (AAPC = 11.9%, p < .05). The increase is particularly evident for males (AAPC = 16.3%, p < .05). Compared to other injuries, people with suspected opioid-related injuries were more likely to be admitted to hospital (PIR = 5.3, 95% CI: 4.6-6.2). CONCLUSION: The upstream determinants of opioid-related injuries are complex and likely vary by subpopulations. Therefore, continued monitoring of risk factors is important in providing the evidence necessary to prevent future overdoses and deaths.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».