Suspected Nonfatal Drug-Related Overdoses Among Youth in the US: 2016–2019
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: During the current drug overdose crisis, the United States is experiencing a significant number of overdose deaths, hospitalizations, and emergency department visits. Given the vulnerability of young persons to substance use, it is important to assess how this crisis affects the nation’s youth. In this study, we investigate trends in suspected nonfatal drug-related overdoses (all-drugs, opioids, heroin, and stimulants) among youth using syndromic surveillance data from 2016 to 2019. METHODS: A retrospective analysis of emergency department syndromic surveillance data were used to detect quarterly trends in suspected drug overdoses from April 2016 through September 2019 among youth aged 0 to 10, 11 to 14, and 15 to 24 years. Syndrome definitions were developed using chief complaint free-text and discharge diagnosis codes to identify overdoses involving all-drugs, opioids, heroin, and stimulants. Pearson χ2 tests detected quarter-to-quarter changes, and joinpoint regression analysis assessed trends over time. RESULTS: On average, there was a 2.0% increase for youth aged 0 to 10 years and a 2.3% increase for youth aged 11 to 14 years for suspected all-drug overdoses. Suspected heroin overdoses decreased by an average of 3.3% per quarter for youth aged 15 to 24 years. Among all age groups, suspected stimulant overdoses increased across the study period, 3.3% for 0 to 10-year-olds, 4.0% for 11- to 14-year-olds, and 2.3% for 15- to 24-year-olds. CONCLUSIONS: Suspected stimulant-involved drug overdoses appear to be rising among youth. These findings could inform targeted interventions, such as stimulant-focused prevention, and comprehensive approaches, including school-based prevention and other strategies to lower morbidity and mortality.
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 ».