Using synthetic controls to estimate the population-level effects of Ontario’s recently implemented overdose prevention sites and consumption and treatment services
Notice bibliographique
Résumé
ABSTRACT Background Between 2017 and 2020, Ontario implemented overdose prevention sites (OPS) and consumption and treatment services (CTS) in nine of its 34 public health units (PHU). We tested for the effect of booth-hours (spaces within OPS/CTSs for supervised consumption) on opioid-related health service use and mortality rates at the provincial-(aggregate) and PHU-level. Methods We used monthly rates of all opioid-related emergency department (ED) visits, hospitalizations, and deaths between January 2015 and March 2021 as our three outcomes. For each PHU that implemented OPS/CTSs, we created a synthetic control as a weighted combination of unexposed PHUs. Our exposure was the time-varying rate of booth-hours provided. We estimated the population-level effects of the intervention on each outcome per treated/synthetic-control pair using controlled interrupted time series with segmented regression; and tested for the aggregate effect using a multiple baseline approach. We adjusted for time-varying provision of prescription opioids for pain management, opioid agonist treatment (OAT), and naloxone kits; and corrected for seasonality and autocorrelation. All rates were per 100,000 population. For sensitivity analysis, we restricted the post-implementation period to before COVID-19 public health measures were implemented (March 2020). Results Our aggregate analyses found no effect per booth-hour on ED visit (0.00, 95% CI: -0.01, 0.01; p-value=0.6684), hospitalization (0.00, 95% CI: 0.00, 0.00; p-value=0.9710) or deaths (0.00, 95% CI: 0.00, 0.00; p-value=0.2466). However, OAT reduced ED visits (−0.20, 95% CI: -0.35, -0.05; p-value=0.0103) and deaths (−0.04, 95% CI: -0.05, -0.03; p-value=<0.0001). Conversely, prescription opioids for pain management modestly increased deaths (0.0008, 95% CI: 0.0002, 0.0015; p-value=0.0157) per 100,000 population, respectively. Except for a few treated PHU/synthetic control pairs, disaggregate results were congruent with overall findings. Conclusion Booth-hours had no population-level effect on opioid-related overdose ED visit, hospitalization, or death rates.
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 | 0,021 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».