Monthly Trends of Substance Use Among Mainers Receiving Buprenorphine Treatment During the COVID-19 Pandemic
Notice bibliographique
Résumé
Introduction: Drug-related deaths in Maine increased by 23% in the first quarter of 2020 compared to the last quarter of 2019. Most of these deaths were accidental overdoses involving at least one opioid, and 65% of these deaths were caused by fentanyl, according to the Maine Center for Disease Control and Prevention. Methods: This research explored substance use in Maine during 2020. Among the sample of individuals, 46% were homeless and receiving recovery services at a buprenorphine-assisted treatment program at a federally qualified health center in Maine. Charts of 35 patients were reviewed for emergency room visits and urine drug screens. Results: In the sample, 20% of individuals screened positive for fentanyl, 22% screened positive for methamphetamines, and 20% screened positive for cocaine. In the first month after lockdown, the presence of fentanyl and methamphetamines in urine drug screens doubled compared to before the lockdown. In the months after lockdown, the amounts of fentanyl and methamphetamines in drug screens and the number of emergency room visits increased. Discussion: Examples of Maine’s harm-reduction strategies are discussed. These results highlight the urgency to implement more drastic measures statewide, especially among individuals who are homeless and have an opioid and/or a stimulant use disorder. Conclusion: Greater recovery services are required for individuals who are homeless and have a substance use disorder in the aftermath of the pandemic.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».