MétaCan
Menu
Retour à la cohorte
Enregistrement W2911062110 · doi:10.1371/journal.pone.0210129

Development and characteristics of the Provincial Overdose Cohort in British Columbia, Canada

2019· article· en· W2911062110 sur OpenAlexafffundabout
Laura MacDougall, Kate Smolina, Michael Otterstatter, Bin Zhao, Mei Chong, David Godfrey, Ali Mussavi-Rizi, Jenny Sutherland, Margot Kuo, Perry Kendall

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensMinistry of HealthUniversity of British ColumbiaProvincial Health Services AuthorityBC Centre for Disease Control
Organismes subventionnairesBritish Columbia Centre for Disease ControlUniversity of British Columbia
Mots-clésMedicineOpioid overdoseCoronerEmergency departmentDrug overdoseCohortPublic healthMedical emergencyPsychological interventionEmergency medicineMinimum Data SetFamily medicinePoison controlSuicide preventionPsychiatryOpioidNursing(+)-Naloxone

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: British Columbia (BC), Canada declared a public health emergency in April 2016 for opioid overdose. Comprehensive data was needed to identify risk factors, inform interventions, and evaluate response actions. We describe the development of an overdose cohort, including linkage strategy, case definitions, and data governance model, and present the resulting characteristics, including data linkage yields and case overlap among data sources. METHODS: Overdose events from hospital admissions, physician visits, poison centre and ambulance calls, emergency department visits, and coroner's data were grouped into episodes if records were present in multiple sources. A minimum of five years of universal health care records (all prescription dispensations, fee-for-service physician billings, emergency department visits and hospitalizations) were appended for each individual. A 20% random sample of BC residents and a 1:5 matched case-control set were generated. Consultation and prioritization ensured analysts worked to address questions to directly inform public health actions. RESULTS: 10,456 individuals suffered 14,292 overdoses from January 1, 2015 to Nov 30, 2016. Only 28% of overdose events were found in more than one dataset with the unique contribution of cases highest from ambulance records (32%). Compared with fatal overdoses, non-fatal events more often involved females, younger individuals (20 to 29 years) and those 60 or older. In 78% of illegal drug deaths, there was no associated ambulance response. In the year prior to first recorded overdose, 60% of individuals had at least one ED visit, 31% at least one hospital admission, 80% at least one physician visit, and 87% had filled at least one prescription in a community pharmacy. CONCLUSION: While resource-intensive to establish, a linked cohort is useful for characterizing the full extent of the epidemic, defining sub-populations at risk, and patterns of contact with the health system. Overdose studies in other jurisdictions should consider the inclusion of multiple data sources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,178
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetOpioid Use Disorder TreatmentTravaux en français237 207