Engagement of persons with lived experience in research that uses linked administrative health data - the BC Provincial Overdose Cohort.
Notice bibliographique
Résumé
Illicit drug overdose is a significant public health challenge in British Columbia (BC) that has been worsened by the COVID-19 pandemic. In 2021, 2224 persons died of overdose in BC– more than any year on record. The vast majority of overdose deaths are attributed to consumption of illicit substances and poisoning due to fentanyl. Since the 2016 emergency declaration, efforts have been made to create new data infrastructure that allows for comprehensive ascertainment of non-fatal and fatal overdose. The BC Provincial Overdose Cohort (BC-ODC) is a unique cohort that was created under public health order that includes all identified cases of illicit drug overdose in BC from January 1 2015-December 31, 2020 that is updated annually. With its unique data extracts, shared data governance structure and novel mandate, a critical component of stewarding the BC-ODC is engagement of persons with lived experience of substance use, overdose and/or incarceration. Two initiatives were launched in 2019 and 2022 to work with persons with lived experience to prioritize research that uses the BC-ODC data. Engagement of persons with lived experience of incarceration started in 2022 to inform projects that examined topics related to decriminalization, criminal legal system involvement (charges and convictions) and incarceration. This presentation will describe these initiatives to show the importance of peer involvement in research that uses linked administrative health data particularly when designing, interpreting and disseminating findings to reduce stigma towards persons who use substances.
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 | 0,034 | 0,006 |
| 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 | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,006 | 0,003 |
| 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 ».