Décès liés aux opioïdes dans la région de Kingston, Frontenac,Lennox et Addington en Ontario, Canada : l’épidémie invisible
Notice bibliographique
Résumé
Introduction Dans la circonscription sanitaire de Kingston, Frontenac, Lennox et Addington (KFLA), les surdoses d’opioïdes constituent une importante cause de décès évitable. La région de KFLA se différenciant des grands centres urbains par sa taille et sa culture, la littérature actuelle sur les surdoses, qui se concentre sur les zones de grande taille, est d’une aide limitée lorsqu’il s’agit de comprendre le contexte des surdoses dans des régions de plus petite taille. Cette étude établit les caractéristiques de la mortalité liée aux opioïdes dans la région de KFLA dans le but d’améliorer la compréhension du phénomène des surdoses d’opioïdes au sein des collectivités plus petites. Méthodologie Nous avons analysé les décès liés aux opioïdes qui ont eu lieu dans la région de KFLA de mai 2017 à juin 2021. Nous avons effectué des analyses descriptives (avec effectifs et pourcentages) à l’égard de facteurs conceptuellement pertinents en vue d’une meilleure compréhension du problème : variables cliniques et démographiques, substances en cause, lieux de décès et contexte de consommation (en solitaire ou non). Résultats En tout, 135 personnes sont décédées d’une surdose d’opioïdes. Leur âge moyen était de 42 ans, elles étaient en majorité blanches (94,8 %) et de sexe masculin (71,1 %). Elles présentaient fréquemment les caractéristiques suivantes : être incarcéré ou l’avoir déjà été, consommer des substances en solitaire, ne pas recourir au traitement de substitution aux opioïdes et avoir déjà reçu un diagnostic d’anxiété ou de dépression. Conclusion Des caractéristiques spécifiques comme l’incarcération, la consommation en solitaire et l’absence de recours au traitement de substitution aux opioïdes ont été repérées dans notre échantillon de personnes décédées d’une surdose d’opioïdes dans la région de KFLA. Une stratégie solide de réduction des méfaits, misant sur la télésanté, la technologie et des politiques progressistes comme l’approvisionnement s
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».