Suspected Heroin Overdoses in US Emergency Departments, 2017–2018
Notice bibliographique
Résumé
Objectives. To describe changes in suspected heroin overdose emergency department (ED) visits. Methods. We analyzed quarterly and yearly changes in heroin overdoses during 2017–2018 by using data from 23 states and jurisdictions (including the District of Columbia) funded by the Centers for Disease Control and Prevention Enhanced State Opioid Overdose Surveillance program. The analyses included the Pearson χ 2 test to detect significant changes. Results. Both sexes, all age groups, and some states exhibited increases from quarter 1 (Q1) 2017 to Q2 2017 and significant decreases in both quarters from Q3 2017 to Q1 2018 in heroin overdose ED visits. Overall, there was a significant yearly decline of 21.5% in heroin overdose ED visits. Three states had significant yearly increases (Illinois, Indiana, and Utah), and 9 states (Kentucky, Maryland, Massachusetts, New Hampshire, Ohio, Pennsylvania, Rhode Island, West Virginia, and Wisconsin) and the District of Columbia had significant decreases. Conclusions. We identified decreases in heroin overdose ED visits from 2017 through 2018, but these declines were not consistent among states. Even with the possibility of a stabilization or slowing of this epidemic, it is important that the field of public health and its partners implement strategies to prevent overdoses and target emerging hot spots.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».