Pandemic meets epidemic: Co-location of COVID-19 and drug overdose deaths in the United States
Notice bibliographique
Résumé
Drug overdose deaths (DOD) in the last two decades have increased over 300 percent. In 2019 alone, 71,000 deaths represented a 7% increase from the previous year. According to recent data released by the Center for Disease Control and Prevention (CDC), 81,230 overdose deaths occurred in the United States from June 2019 to May 2020, the highest number of DOD recorded in a 12-month period. Early 2020 saw the spread of the COVID-19 pandemic in the United States, which CDC suggests has amplified the previously alarming rise in drug-related mortalities. A hot spot analysis of COVID-19 and DOD rates, as well as a spatial correlation between the two datasets at the state level on a monthly time step, showed a significant increase in DOD during the COVID-19 pandemic. This study, conducted for the period of March through July 2021, showed a spatial correlation between the two types of mortalities in the initial months of 2020. Furthermore, the hot spots for both types of mortalities were concentrated in the northeastern states. The COVID-19 mortalities shifted southeast in July 2020, but DOD data was unavailable for further analysis. Since DOD are a leading contributor to preventable deaths, the results of the study may help focus the efforts of effective and innovative programs to reduce substance use disorder and related mortality through increased access to treatment. During the pandemic, access to such facilities was reduced.
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 | 0,002 | 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 | 0,001 |
| 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 ».