Opioid Injection-Associated Bacterial Infections in England, 2002–2021: A Time Series Analysis of Seasonal Variation and the Impact of Coronavirus Disease 2019
Notice bibliographique
Résumé
BACKGROUND: Bacterial infections cause substantial pain and disability among people who inject drugs. We described time trends in hospital admissions for injecting-related infections in England. METHODS: We analyzed hospital admissions in England between January 2002 and December 2021. We included patients with infections commonly caused by drug injection, including cutaneous abscesses, cellulitis, endocarditis, or osteomyelitis, and a diagnosis of opioid use disorder. We used Poisson regression to estimate seasonal variation and changes associated with coronavirus disease 2019 (COVID-19) response. RESULTS: There were 92 303 hospital admissions for injection-associated infections between 2002 and 2021. Eighty-seven percent were skin, soft-tissue, or vascular infections; 72% of patients were male; and the median age increased from 31 years in 2002 to 42 years in 2021. The rate of admissions reduced from 13.97 per day (95% confidence interval [CI], 13.59-14.36) in 2003 to 8.94 (95% CI, 8.64-9.25) in 2011, then increased to 18.91 (95% CI, 18.46-19.36) in 2019. At the introduction of COVID-19 response in March 2020, the rate of injection-associated infections reduced by 35.3% (95% CI, 32.1-38.4). Injection-associated infections were also seasonal; the rate was 1.21 (95% CI, 1.18-1.24) times higher in July than in February. CONCLUSIONS: This incidence of opioid injection-associated infections varies within years and reduced following COVID-19 response measures. This suggests that social and structural factors such as housing and the degree of social mixing may contribute to the risk of infection, supporting investment in improved social conditions for this population as a means to reduce the burden of injecting-related infections.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».