Examining correlations between opioid dispensing and opioid-related hospitalizations in Canada, 2007–2016
Notice bibliographique
Résumé
BACKGROUND: High levels of opioid-related mortality, as well as morbidity, contribute to the excessive opioid-related disease burden in North America, induced by high availability of opioids. While correlations between opioid dispensing levels and mortality outcomes are well-established, fewer evidence exists on correlations with morbidity (e.g., hospitalizations). METHODS: We examined possible overtime correlations between medical opioid dispensing and opioid-related hospitalizations in Canada, by province, 2007-2016. For dispensing, we examined annual volumes of medical opioid dispensing derived from a representative, stratified sample of retail pharmacies across Canada. Raw dispensing information for 'strong opioids' was converted into Defined Daily Doses per 1000 population per day (DDD/1000/day). Opioid-related hospitalization rates referred to opioid poisoning-related admissions by province, for fiscal years 2007-08 to 2016-17, drawn from the national Hospital Morbidity Database. We assessed possible correlations between opioid dispensing and hospitalizations by province using the Pearson product moment correlation; correlation values (r) and confidence intervals were reported. RESULTS: Significant correlations for overtime correlations between population-levels of opioid dispensing and opioid-related hospitalizations were observed for three provinces: Quebec (r = 0.87, CI: 0.49-0.97; p = 0.002); New Brunswick (r = 0.85;CI: 0.43-0.97; p = 0.004) and Nova Scotia (r = 0.78; CI:0.25-0.95; p = 0.012), with an additional province, Saskatchewan, (r = 0.073; CI:-0.07-0.91;p = 0.073) featuring borderline significance. CONCLUSIONS: The correlations observed further add to evidence on opioid dispensing levels as a systemic driver of population-level harms. Notably, correlations were not identified principally in provinces with reported high contribution levels (> 50%) of illicit opioids to mortality, which are not captured by dispensing data and so may have distorted or concealed potential correlation effects due to contamination.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».