Virtual overdose monitoring services/mobile overdose response services: estimated number of potentially averted drug poisoning fatality events by various telephone and digital-based overdose prevention/harm reduction services in North America
Notice bibliographique
Résumé
Background: Virtual overdose monitoring services or Mobile Overdose Response Services (MORS) are novel virtual harm reduction tools which have gained popularity as an adjunct public health intervention especially for those who cannot access harm reduction resources through traditional means. At this time, relatively little is known about their ability to reach their goals of reducing overdose mortality. Our study aims to summarize the potential effectiveness of various MORS collectively to avoid potential mortality from a drug poisoning event/drug overdose. Methods: Utilizing publicly available data from various MORS alongside some usage data provided by these services for this study, we model the impact of these services on fatal drug poisoning/overdose. In order to calculate the number of deaths averted, a Monte Carlo simulation was used to calculate point estimates with 95% confidence for fatal drug poisonings/drug overdose potentially averted through the utilization of various MORS. Results: From the earliest mention of MORS in current literature (2019), a total of 299 drug poisoning/overdose events occurred across these services. Noting the broad range of mortality statistics available in current literature, these technologies have potentially prevented between 33 to 243 deaths. Our Monte Carlo estimates 135 potentially fatal drug poisonings/overdose were overall averted by the various MORS. Conclusions: While there is yet to be a robust data set proving the effectiveness of these services, conservative estimates show that MORS can reduce mortality associated with substance use and therefore should be considered as a viable harm-reduction strategy but as an adjunct to more established harm reduction services such as supervised consumption sites and supervised injection facilities. While more research is needed, clinicians and practitioners should consider the suggestion of these tools for patients who use drugs.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».