MétaCan
Menu
Retour à la cohorte
Enregistrement W4362522308 · doi:10.1186/s12889-023-15474-5

“It’s just a perfect storm”: Exploring the consequences of the COVID-19 pandemic on overdose risk in British Columbia from the perspectives of people who use substances

2023· article· en· W4362522308 sur OpenAlexafffundabout
Annie Foreman-Mackey, Jessica Xavier, Jenny Corser, Mathew Fleury, Kurt Lock, Amiti Mehta, Jessica Lamb, Jenny McDougall, Cheri Newman, Jane A. Buxton

Notice bibliographique

RevueBMC Public Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensSimon Fraser UniversityBC Centre for Disease ControlUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCoronavirus disease 2019 (COVID-19)MedicinePandemicBiostatistics2019-20 coronavirus outbreakPublic healthSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)StormEpidemiologyMedical emergencyCoronavirus InfectionsEnvironmental healthVirologyInfectious disease (medical specialty)NursingOutbreakGeographyMeteorologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite the implementation and expansion of public health and harm reduction strategies aimed at preventing and reversing overdoses, rates of overdose-related events and fatalities continue to rise in British Columbia. The COVID-19 pandemic created a second, concurrent public health emergency that further exacerbated the illicit drug toxicity crisis, reinforced existing social inequities and vulnerabilities, and highlighted the precariousness of systems in place that are meant to protect the health of communities. By exploring the perspectives of people with recent experience of illicit substance use, this study sought to characterize how the COVID-19 pandemic and associated public health measures influenced risk and protective factors related to unintentional overdose by altering the environment in which people live and use substances, influencing the ability of people who use substances to be safe and well. METHODS: One-on-one semi-structured interviews were conducted by phone or in-person with people who use illicit substances (n = 62) across the province. Thematic analysis was performed to identify factors shaping the overdose risk environment. RESULTS: Participants pointed to factors that increased risk of overdose, including: [1] physical distancing measures that created social and physical isolation and led to more substance use alone without bystanders nearby able to respond in the event of an emergency; [2] early drug price spikes and supply chain issues that created inconsistencies in drug availability; [3] increasing toxicity and impurities in unregulated substances; [4] restriction of harm reduction services and supply distribution sites; and [5] additional burden placed on peer workers on the frontlines of the illicit drug toxicity crisis. Despite these challenges, participants highlighted factors that protected against overdose and substance-related harm, including the emergence of new programs, the resiliency of communities of people who use substances who expanded their outreach efforts, the existence of established social relationships, and the ways that individuals consistently prioritized overdose response over concerns about COVID-19 transmission to care for one another. CONCLUSIONS: The findings from this study illustrate the complex contextual factors that shape overdose risk and highlight the importance of ensuring that the needs of people who use substances are addressed in future public health emergency responses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,265
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,153
Tête enseignante GPT0,352
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations37
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetOpioid Use Disorder TreatmentTravaux en français237 207