Trends in Mortality Due to Stimulants Use in Adolescents and Young Adults
Notice bibliographique
Résumé
Objectives: Stimulant medications including illegal use of Methamphetamine (MA) continues to rise in adolescents and young adults. This study aims to examine mortality trends because of the stimulant overdose in this age group (15 to 34 years). Methods: Age-adjusted mortality data, including 95% confidence intervals and standard errors, were extracted using publicly available multiple causes of death files from the United States Centers for Disease Control Wide-ranging ONline Data for Epidemiologic Research (WONDER). The data was filtered using International Classification of Disease (ICD-10) codes: F15.0 (Mental and behavioral disorders because of use of other stimulants, acute intoxication), F15.1 (Mental and behavioral disorders because of use of other stimulants, harmful use), T43.6 (Psychostimulants with abuse potential). The trends analysis for 1999 to 2019 was conducted using Joinpoint regression statistical software. Results: The mortality rate has been consistently increasing in the last decade across all races and ethnicities in adolescents and young adults. Non-Hispanic White population had the highest mortality rates (7.6 per 100,000 in 2019) compared with non-Hispanic Black (3.08 per 100,000 in 2019) and Hispanic population (3.33 per 100,000 in 2019). But the annual percent change in mortality was shown to be highest in non-Hispanic Black population (34.3% between 2009 and 2019). Conclusion: The increase in overall mortality rate because of stimulants use reflects the increase of MA use in this age group. The difference in the rate of change shows worsening racial inequality. Public health policies should be implemented to include evidence-based strategies to prevent MA misuse or 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) | 0,001 | 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 ».