MétaCan
Menu
Retour à la cohorte
Enregistrement W4363672239 · doi:10.3389/fpubh.2023.1117841

Fatal drug use in the COVID-19 pandemic response: Changing trends in drug-involved deaths before and after stay-at-home orders in Louisiana

2023· article· en· W4363672239 sur OpenAlexaboutno aff
Maxwell M. Leonhardt, John R. Spartz, Arti Shankar, Stephen Murphy

Notice bibliographique

RevueFrontiers in Public Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensnon disponible
Organismes subventionnairesLouisiana Department of HealthTulane University
Mots-clésPandemicMedicineQuarter (Canadian coin)Public healthHarm reductionDrugEnvironmental healthDemographyCoronavirus disease 2019 (COVID-19)PsychiatryGeographyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The effect of disaster events on increasing drug-involved deaths has been clearly shown in previous literature. As the COVID-19 pandemic led to stay-at-home orders throughout the United States, there was a simultaneous spike in drug-involved deaths around the country. The landscape of a preexisting epidemic of drug-involved deaths in the United States is one which is not geographically homogenous. Given this unequal distribution of mortality, state-specific analysis of changing trends in drug use and drug-involved deaths is vital to inform both care for people who use drugs and local policy. An analysis of public health surveillance data from the state of Louisiana, both before and after the initial stay-at-home order of the COVID-19 pandemic, was used to determine the effect the pandemic may have had on the drug-involved deaths within this state. Using the linear regression analysis of total drug-involved deaths, as well as drug-specific subgroups, trends were measured based on quarterly (Qly) deaths. With the initial stay-at-home order as the change point, trends measured through quarter 1 (Q1) of 2020 were compared to trends measured from quarter 2 (Q2) of 2020 through quarter 3 (Q3) of 2021. The significantly increased rate of change in Qly drug-involved deaths, synthetic opioid-involved deaths, stimulant-involved deaths, and psychostimulant-involved deaths indicates a long-term change following the initial response to the COVID-19 pandemic. Changes in the delivery of mental health services, harm reduction services, medication for opioid use disorder (MOUD), treatment services, withdrawal management services, addiction counseling, shelters, housing, and food supplies further limited drug-involved prevention support, all of which were exacerbated by the new stress of living in a pandemic and economic uncertainty.

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)0,001
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 enseignants0,210
Score d'incertitude au seuil0,417

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,043
Tête enseignante GPT0,323
Écart entre enseignants0,280 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetOpioid Use Disorder TreatmentTravaux en français237 207