MétaCan
Menu
← Retour à la cohorte
Enregistrement W4304207094 · doi:10.1101/2022.10.08.22280845

Trends in opioid seizure data and their association with opioid mortality

2022· preprint· en· W4304207094 sur OpenAlexaff
Heather McBrien, Monica Alexander

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFentanylHeroinOpioidMedicineOpioid overdoseAnesthesiaPsychiatryDrugInternal medicine(+)-Naloxone

Résumé

récupéré en direct d'OpenAlex

Abstract Background The opioid epidemic remains an emergent health issue in the United States, as opioid-related deaths continue to rise in the second year of COVID-19. The introduction of synthetic opioids into the illicit supply began causing deaths in 2015, however, data describing the illicit opioid supply is scarce. Methods We used a newly available national dataset of drug seizure reports, aggregated from law enforcement agencies across the United States, to describe changes in fentanyl, heroin, and other opioid presence in the national illicit supply from 2011-2017, by state and geographic region. We assessed the relationship between drug seizures and opioid-related deaths at the state level using linear regression. Results National and state increases in opioid seizure rates from 2011-2017 were entirely due to increased fentanyl and heroin seizures, as other opioid seizure rates remained constant. Most increases in seizures occurred in the Northeast, Midwest, and Appalachia, where fentanyl seizures and heroin seizures were highest and increased most sharply along with opioid deaths. The composition of drugs seized was similar within geographic regions, but did vary across regions. State opioid seizures of all types were strongly associated with state opioid deaths. The strongest relationship was between fentanyl seizures and fentanyl deaths. Conclusions The association between opioid seizures and deaths means seizure data has potential as an early-warning system to predict overdose, although national level data requires quality improvement. Regional variation in seizure rates supports existing evidence that illicit fentanyl and heroin supplies differ between regions, producing distinct regional risk environments, causing varying mortality 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 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)0,011
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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,316
Écart entre enseignants0,277 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetOpioid Use Disorder Treatment→Travaux en français237 207→