An interrupted time series analysis of trends in opioid-related emergency department visits from pre-COVID-19 pandemic to pandemic, from the Canadian Hospitals Injury Reporting and Prevention Program
Notice bibliographique
Résumé
BACKGROUND: Opioid-related emergency department (ED) visits in Canada increased during the COVID-19 pandemic, but how trends in volume and case severity changed from pre-pandemic times through the pandemic is not known. Trends in ED visits related to specific types of opioids also remain unclear. Our objective was to describe pre-pandemic trends and how they changed with the onset of COVID-19 and thereafter. METHODS: Based on data from the Canadian Hospitals Injury Reporting and Prevention Program, we identified opioid-related ED visits and constructed a time series from March 12, 2018 through March 7, 2021-two pre-COVID periods and one COVID period. We used an interrupted time series (ITS) analysis to examine trends in volume and case severity. We compared medians and means of monthly counts and percentages of severe cases between the periods, by sex, age, and opioid type. RESULTS: Before the pandemic, there was an increasing trend in fentanyl-related visits for males, females and 25- to 64-year-olds, and a decreasing trend in heroin-related visits for males and 18- to 64-year-olds. Fentanyl-related visits for 18- to 24-year-olds showed an immediate increase at the start of the pandemic and a decreasing trend during the pandemic. Heroin-related visits for 12- to 17-year-olds had an immediate increase at the start of the pandemic; for 18- to 24-year-olds and 45- to 64-year-olds, the prior decreasing pre-pandemic trend ceased. For pooled opioid-related visits, no significant trend in the percentage of severe cases was observed throughout the entire study period. CONCLUSION: This study shows that an ITS approach in trend analysis is a valuable supplement to comparisons of before and after measures (with or without controlling seasonal effects). The findings provide evidence on how ED presentations for opioid use evolved in Canada from 2018 to 2021. The results can inform policies designed to reduce opioid-related harm in the context of a public health emergency.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».