Modelling the combined impact of interventions in averting deaths during a synthetic‐opioid overdose epidemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The province of British Columbia (BC) Canada has experienced a rapid increase in illicit drug overdoses and deaths during the last 4 years, with a provincial emergency declared in April 2016. These deaths have been driven primarily by the introduction of synthetic opioids into the illicit opioid supply. This study aimed to measure the combined impact of large-scale opioid overdose interventions implemented in BC between April 2016 and December 2017 on the number of deaths averted. DESIGN: We expanded on the mathematical modelling methodology of our previous study to construct a Bayesian hierarchical latent Markov process model to estimate monthly overdose and overdose-death risk, along with the impact of interventions. SETTING AND CASES: Overdose events and overdose-related deaths in BC from January 2012 to December 2017. INTERVENTIONS: The interventions considered were take-home naloxone kits, overdose prevention/supervised consumption sites and opioid agonist therapy MEASUREMENTS: Counterfactual simulations were performed with the fitted model to estimate the number of death events averted for each intervention and in combination. FINDINGS: Between April 2016 and December 2017, BC observed 2177 overdose deaths (77% fentanyl-detected). During the same period, an estimated 3030 (2900-3240) death events were averted by all interventions combined. In isolation, 1580 (1480-1740) were averted by take-home naloxone, 230 (160-350) by overdose prevention services and 590 (510-720) were averted by opioid agonist therapy. CONCLUSIONS: A combined intervention approach has been effective in averting overdose deaths during British Columbia's opioid overdose crisis in the period since declaration of a public health emergency (April 2016-December 2017). However, the absolute numbers of overdose deaths have not changed.
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.
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 découle