Longitudinal study of COVID-19 stay-at-home orders’ impact on deaths of despair in the United States, January 2019 to December 2020
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic led to increase in mental health problems and substance misuse. Yet, little is known about its impact on rates of deaths of despair (death by suicide and drug overdose). Our objective was to determine the impact of COVID-19 stay-at-home orders on deaths of despair using population-level data. We hypothesized that the longer duration of stay-at-home orders would increase rates of deaths of despair. METHODS: Utilizing quarterly suicide and drug-overdose mortality data from the National Center for Health Statistics from January 2019 through December 2020, we estimated fixed-effects models to examine the effects of the duration of stay-at-home orders as differentially implemented in 51 jurisdictions in the United States on each outcome. RESULTS: Controlling for seasonal patterns, the duration of jurisdictional-level stay-at-home order was positively associated with drug-overdose death rates. The duration of stay-at-home orders was not associated with suicide rates when adjusting for calendar quarter. CONCLUSIONS: Findings suggest an increase in age-adjusted drug-overdose death rates in the United States from 2019 to 2020 possibly attributable to the duration of jurisdictional COVID-19 stay-at-home orders. This effect may have operated through various mechanisms, including increases in economic distress and reduced access to treatment programs when stay-at-home orders were in effect.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».