Seasonal, weekly and other cyclical patterns in deaths due to drug poisoning in England and Wales
Notice bibliographique
Résumé
BACKGROUND AND AIM: The rate of drug poisoning (or overdose) deaths in England and Wales has risen annually since 2010. We aimed to measure seasonal and other cyclical changes in these deaths within years. METHODS: We used the daily count of deaths due to drug poisoning in England and Wales between 1 January 1993 and 31 December 2018 to investigate variation by season, weekday, week-of-month and public holiday. We used Poisson regression to estimate the count of deaths per day for each of these variables and peak-to-low ratios. We also stratified the analysis by time period and whether an opioid was mentioned on the death certificate. RESULTS: 78 583 deaths occurred between 1993 and 2018, increasing from 5.50 (95% confidence interval [CI] = 5.24-5.77) per day in 1993 to 13.18 (95% CI = 12.66-13.72) per day in 2018. The rate peaked in Spring and was 1.07 (95% CI = 1.04-1.09) times higher in April than in October. This seasonal pattern emerged in the past decade and was only present for opioid-related deaths. The rate at New Year was 1.28 (95% CI = 1.17-1.41) times higher than on non-holidays; and this peak was only present for deaths that were not related to opioids. The rate was higher on Saturday than on other weekdays. We did not find evidence that the number of deaths varied by week-of-month. CONCLUSIONS: Deaths due to drug poisoning in England and Wales are seasonal and peak in Spring and briefly at New Year. This suggests a role of external triggers. These seasonal variations are small compared with long-term increases in drug-related 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 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».