MétaCan
Menu
Retour à la cohorte
Enregistrement W4220870166 · doi:10.1186/s13011-022-00452-8

Factors associated with take-home naloxone kit usage in British Columbia: an analysis of administrative data

2022· article· en· W4220870166 sur OpenAlexafffundabout
Victor Lei, Max Ferguson, Rachael Geiger, Sierra Williams, Lisa Liu, Jane A. Buxton

Notice bibliographique

RevueSubstance Abuse Treatment Prevention and Policy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensBC Centre for Disease ControlUniversity of British Columbia
Organismes subventionnairesBritish Columbia Centre for Disease ControlMinistry of Health, British Columbia
Mots-clés(+)-NaloxoneMedicineLogistic regressionOdds ratioConfidence intervalOpioid overdoseDemographyOddsGeneralized estimating equationDrug overdoseEmergency medicinePoison controlOpioidInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The British Columbia (BC) Take-Home Naloxone (THN) program provides naloxone to people at risk of experiencing or witnessing an opioid overdose for use in reversing suspected overdose events. This study seeks to examine trends and correlates of individuals obtaining a THN kit in BC between 2017 and 2020. METHODS: Records of THN kits distributed between 2017 and 2020 were the primary source of data for this analysis. Frequency tables were used to describe characteristics of people obtaining kits from THN sites. Correlates of individuals obtaining a THN kit to replace a previous kit reported as used to reverse an overdose were assessed with multivariate logistic regression. RESULTS: Between January 1, 2017, and December 31, 2020, 240,606 THN kits were reported distributed by registered sites to members of the public, with 90,011 records indicating that a kit was obtained to replace a previous kit that had been used to reverse an overdose. There was a significant trend in increasing kits reported used by year (p < 0.01). The kit recipient's risk of overdose was a significant predictor of having reported using a THN kit, and the strength of the association was dependent on gender (Male: Adjusted odds ratio (AOR) 5.37 [95% confidence interval (CI) 5.08 - 5.67]; Female: AOR 8.35 [95% CI 7.90 - 8.82]; Trans and gender expansive: AOR 3.68 [95% CI 2.82 - 4.79]). CONCLUSIONS: Between 2017 and 2020, THN kits were used to reverse tens of thousands of overdose events in BC, with people at risk of overdose (i.e. people who use drugs [PWUD]) having greater odds of using a kit to reverse an overdose than those not at risk. Thus, PWUD are responsible for reversing the vast majority of overdoses. THN kits are being distributed to the people who use them most. However, additional strategies in conjunction with community-based naloxone distribution programs are needed to address the rising number of illicit drug toxicity deaths.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,028
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,009
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,089
Tête enseignante GPT0,353
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), 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

Citations18
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSubstance Abuse Treatment Prevention and PolicyMême sujetOpioid Use Disorder TreatmentTravaux en français237 207