Opioid-related emergency department visits and deaths after a harm-reduction intervention: a retrospective observational cohort time series analysis
Notice bibliographique
Résumé
BACKGROUND: To date, there has been little research on the effect of safe consumption site and community-based naloxone programs on regional opioid-related emergency department visits and deaths. We sought to determine the impact of these interventions on regional opioid-related emergency department visit and death rates in the province of Alberta. METHODS: We used a retrospective observational design, via interrupted time series analysis, to assess municipal opioid-related emergency department visit volume and opioid-related deaths (defined by poisoning and opioid use disorder). We compared rates before and after program implementation in individual Alberta municipalities and province-wide after safe consumption site (March 2018 to October 2018) and community-based naloxone (January 2016) program implementation. RESULTS: A total of 24 107 emergency department visits and 2413 deaths were included in the study. After safe consumption site opening, we saw decreased opioid-related emergency department visits in Calgary (level change -22.7 [-20%] visits per month, 95% confidence interval [CI] -29.7 to -15.8) and Lethbridge (level change -8.8 [-50%] visits per month, 95% CI -11.7 to -5.9), and decreased deaths in Edmonton (level change -5.9 [-55%] deaths per month, 95% CI -8.9 to -2.9). We observed increased emergency department visits after community-based naloxone program implementation in urban Alberta (level change 38.9 [46%] visits, 95% CI 33.3 to 44.4). We also observed an increase in urban opioid-related deaths (level change 9.1 [40%] deaths, 95% CI 6.7 to 11.5). INTERPRETATION: The results of this study suggest differences exist between municipalities employing similar interventions. Our results also suggest contextual variation; for example, illicit drug supply toxicity may modify the ability of a community-based naloxone program to prevent opioid overdose without a thorough public health response.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».