MétaCan
Menu
Retour à la cohorte
Enregistrement W3205583301 · doi:10.1111/add.15736

Modeling the population‐level impact of opioid agonist treatment on mortality among people accessing treatment between 2001 and 2020 in New South Wales, Australia

2021· article· en· W3205583301 sur OpenAlexaff
Antoine Chaillon, Chrianna Bharat, Jack Stone, Louisa Degenhardt, Sarah Larney, Michael Farrell, Peter Vickerman, Matthew Hickman, Natasha K. Martin, Annick Bórquez

Notice bibliographique

RevueAddiction · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCenter for AIDS Research, University of California, San DiegoNational Institute on Drug AbuseNational Drug and Alcohol Research CentreCenter for AIDS Research, University of WashingtonNational Institutes of HealthNational Coronial Information SystemNational Institute of Allergy and Infectious DiseasesMedical Research CouncilNSW Ministry of HealthUniversity of New South WalesU.S. Department of Veterans AffairsAustralian GovernmentNational Institute for Health Research Health Protection Research UnitNational Institute for Health and Care ResearchUniversity of BristolNational Health and Medical Research CouncilJames B. Pendleton Charitable Trust
Mots-clésDiscontinuationMedicineCohortDemographyPopulationCohort studyPrisonInternal medicineEnvironmental healthGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: The individual-level effectiveness of opioid agonist treatment (OAT) in reducing mortality is well established, but there is less evidence on population-level benefits. We use modeling informed with linked data from the OAT program in New South Wales (NSW), Australia, to estimate the impact of OAT provision in the community and prisons on mortality and the impact of eliminating excess mortality during OAT initiation/discontinuation. DESIGN: Dynamic modeling. SETTING AND PARTICIPANTS: A cohort of 49 359 individuals who ever received OAT in NSW from 2001 to 2018. MEASUREMENTS: Receipt of OAT was represented through five stages: (i) first month on OAT, (ii) short (1-9 months) and (iii) longer (9+ months) duration on OAT, (iv) first month following OAT discontinuation and (v) rest of time following OAT discontinuation. Incarceration was represented as four strata: (i) never or not incarcerated in the past year, (ii) currently incarcerated, (iii) released from prison within the past month and (iv) released from prison 1-12 months ago. The model incorporated elevated mortality post-release from prison and OAT impact on reducing mortality and incarceration. FINDINGS: Among the cohort, mortality was 0.9 per 100 person-years, OAT coverage and retention remained high (> 50%, 1.74 years/episode). During 2001-20, we estimate that OAT provision reduced overdose and other cause mortality among the cohort by 52.8% [95% credible interval (CrI) = 49.4-56.9%] and 26.6% (95% CrI =22.1-30.5%), respectively. We estimate 1.2 deaths averted and 9.7 life-years gained per 100 person-years on OAT. Prison OAT with post-release OAT-linkage accounted for 12.4% (95% CrI = 11.5-13.5%) of all deaths averted by the OAT program, primarily through preventing deaths in the first month post-release. Preventing elevated mortality during OAT initiation and discontinuation could have averted up to 1.4% (95% CrI = 0.8-2.0%) and 3.0% (95% CrI = 2.1-5.3%) of deaths, respectively. CONCLUSION: The community and prison opioid agonist treatment program in New South Wales, Australia appears to have substantially reduced population-level overdose and all-cause mortality in the past 20 years, partially due to high retention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,929

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,364
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetOpioid Use Disorder TreatmentTravaux en français237 207