Applying principles of injury and infectious disease control to the opioid mortality epidemic in North America: critical intervention gaps
Notice bibliographique
Résumé
North America has been experiencing an acute and unprecedented public health crisis involving excessive and increasing levels of opioid-related overdose mortality. In the present commentary, we examine current interventions (as existent mainly in Canada) to date and compare them against established intervention frameworks and practices in other areas of public health, specifically injury and infectious disease control. We observe that current interventions focusing on opioid drug safety or exposure-specifically those that focus on distinctly potent and toxic opioid products driving major increases in overdose mortality-may be considered the equivalent of 'agent-' or 'vector'-based interventions. Such interventions have been largely neglected in favor of 'host' (e.g., drug user-oriented) or 'environmental' measures among strategies to reduce opioid-related overdose, likely contributing to the limited efficacy of current measures. We explore potential reasons, implications and remedies for these gaps in the overall public health strategy employed towards improved interventions to reduce opioid-related health harms.
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 | 0,073 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,030 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,017 | 0,034 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».