Evidence of increased Fentanyl use during the COVID-19 pandemic among opioid agonist treatment patients in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Amid the opioid crisis, the health care system is restructuring to prevent and treat COVID-19. Individuals in opioid agonist treatment (OAT) are uniquely challenged because of disruption to treatment, medication diversion, and isolation during the pandemic. METHODS: Between January and September 2020, we utilized the electronic medical record from a chain of 67 opioid agonist treatment clinics in Ontario, Canada, to examine routinely collected urine drug screen results of patients in opioid agonist treatment by Public Health Units. RESULTS: We present evidence of a 108% increase in the percentage of fentanyl positive urine drug screens from April to September (p< 0.001). During the same period, health regions in northern and southwestern Ontario, areas with a high concentration of rural communities, have seen the most notable increase in the percent of fentanyl positive urine drug screen results. CONCLUSION: The use of fentanyl increased by 108% among OAT patients in Ontario during the COVID 19 pandemic. We argue that the persistent increase of fentanyl exposure over time, specifically in the OAT population, suggests that reduced monitoring may decrease OAT's effectiveness and negatively impact patient outcomes.
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 | 0,001 |
| 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 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 ».