The impact of an integrated safer use space and safer supply program on non-fatal overdose among emergency shelter residents during a COVID-19 outbreak: a case study
Notice bibliographique
Résumé
BACKGROUND: Opioid-related harms, including fatal and non-fatal overdoses, rose dramatically during the COVID-19 pandemic and presented unique challenges during outbreaks in congregate settings such as shelters. People who are deprived of permanent housing have a high prevalence of substance use and substance use disorders, and need nimble, rapid, and portable harm reduction interventions to address the harms of criminalized substance use in an evidence-based manner. CASE STUDY: In February 2021, a COVID-19 outbreak was declared at an emergency men's shelter in Hamilton, Ontario, Canada. Building on pre-existing relationships, community and hospital-based addictions medicine providers and a local harm reduction group collaborated to establish a shelter-based opioid agonist treatment and safer supply program, and a volunteer run safer drug use space that also distributed harm reduction supplies. In the 4 weeks preceding the program, the rate of non-fatal overdoses was 0.93 per 100 nights of shelter bed occupancy. During the 26 days of program operation, there were no overdoses in the safer use space and the rate of non-fatal overdoses in the shelter was 0.17 per 100 nights of shelter bed occupancy. The odds ratio of non-fatal overdose pre-intervention to during intervention was 5.5 (95% CI 1.63-18.55, p = 0.0059). We were not able to evaluate the impact of providing harm reduction supplies and did not evaluate the impact of the program on facilitating adherence to public health isolation and quarantine orders. The program ended as the outbreak waned, as per the direction from the shelter operator. CONCLUSIONS: There was a significant reduction in the non-fatal overdose rate after the safer drug use and safer supply harm reduction program was introduced. Pre-existing relationships between shelter providers, harm reduction groups, and healthcare providers were critical to implementing the program. This is a promising approach to reducing harms from the criminalization of substance use in congregate settings, particularly in populations with a higher prevalence of substance use and substance use disorders.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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) | 0,001 | 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 ».