Evaluating Montréal’s harm reduction interventions for people who inject drugs: protocol for observational study and cost-effectiveness analysis
Notice bibliographique
Résumé
INTRODUCTION: The main harm reduction interventions for people who inject drugs (PWID) are supervised injection facilities, needle and syringe programmes and opioid agonist treatment. Current evidence supporting their implementation and operation underestimates their usefulness by excluding skin, soft tissue and vascular infections (SSTVIs) and anoxic/toxicity-related brain injury from cost-effectiveness analyses (CEA). Our goal is to conduct a comprehensive CEA of harm reduction interventions in a setting with a large, dispersed, heterogeneous population of PWID, and include prevention of SSTVIs and anoxic/toxicity-related brain injury as measures of benefit in addition to HIV, hepatitis C and overdose morbidity and mortalities averted. METHODS AND ANALYSIS: This protocol describes how we will develop an open, retrospective cohort of adult PWID living in Québec between 1 January 2009 and 31 December 2020 using administrative health record data. By complementing this data with non-linkable paramedic dispatch records, regional monthly needle and syringe dispensation counts and repeated cross-sectional biobehavioural surveys, we will estimate the hazards of occurrence and the impact of Montréal's harm reduction interventions on the incidence of drug-use-related injuries, infections and deaths. We will synthesise results from our empirical analyses with published evidence to simulate infections and injuries in a hypothetical population of PWID in Montréal under different intervention scenarios including current levels of use and scale-up, and assess the cost-effectiveness of each intervention from the public healthcare payer's perspective. ETHICS AND DISSEMINATION: This study was approved by McGill University's Institutional Review Board (Study Number: A08-E53-19B). We will work with community partners to disseminate results to the public and scientific community via scientific conferences, a publicly accessible report, op-ed articles and open access peer-reviewed journals.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,010 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».