Impact of policy changes on the provision of naloxone by pharmacies in Ontario, Canada: a population‐based time–series analysis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: In June 2016, the Ontario, Canada government implemented the Ontario Naloxone Program for Pharmacies (ONPP), authorizing pharmacists to provide injectable naloxone kits at no charge to all Ontario residents. In March 2018, the program was amended to include intranasal naloxone and remove the requirement to present a government health card to the dispensing pharmacist. We examined whether these changes increased naloxone dispensing through the ONPP. DESIGN: Population-based time-series analysis using interventional autoregressive integrated moving average models. SETTING: Ontario, Canada. PARTICIPANTS: All Ontario residents between 1 July 2016 and 31 March 2020. MEASUREMENTS: Monthly rates of pharmacy naloxone dispensing. FINDINGS: Overall, 199 484 individuals were dispensed a naloxone kit during the study period. In the main analysis, the rate of pharmacy naloxone dispensing increased by 65.1% following program changes (55.6-91.8 kits per 100 000 population between February 2018 and May 2018; P = 0.01). In subgroup analyses, naloxone dispensing increased among individuals receiving opioid agonist therapy (OAT) (3374.9-7264.2 kits per 100 000 OAT recipients; P = 0.04) among individuals receiving other prescription opioids (192.8-381.8 kits per 100 000 population prescribed opioids; P < 0.01), among individuals with past opioid exposure (134.7-205.6 kits per 100 000 population with past opioid exposure; P < 0.01) and in urban centers (56.2-91.4 kits per 100 000 population; P < 0.01). We did not observe a clear impact on pharmacy-dispensed naloxone to individuals with no or unknown opioid exposure (34.4-39.3 kits per 100 000 population with no/unknown opioid exposure; P = 0.42) and in rural regions (50.4-97.2 kits per 100 000 population; P = 0.09). CONCLUSIONS: Changes to the Ontario Naloxone Program for Pharmacies to add intranasal naloxone and remove the requirement to present a government health card appeared to increase pharmacy-based naloxone dispensing uptake in Ontario, Canada, particularly among individuals at high risk of inadvertent opioid overdose.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».