Associations with experience of non-fatal opioid overdose in British Columbia, Canada: a repeated cross sectional survey study
Notice bibliographique
Résumé
INTRODUCTION: Lives lost in North America due to the unregulated drug poisoning emergency are preventable and those who survive an opioid overdose may suffer long-term disability. Rates of opioid overdose more than doubled following the onset of the COVID-19 pandemic in British Columbia, Canada. MATERIALS AND METHODS: Our analytical sample was comprised of 1447 participants from the 2018, 2019, and 2021 Harm Reduction Client Survey who responded yes or no to having experienced an opioid overdose in the past 6 months. Participants were recruited from harm reduction sites from across British Columbia. We used logistic regression to explore associations of experiencing an opioid overdose. RESULTS: Overall, 21.8% of participants reported experiencing an opioid overdose in the last six months (18.2% in 2019 and 26.6% in 2021). The following factors were positively associated with increased adjusted odds of experiencing a non-fatal opioid overdose: cis men relative to cis women (AOR 1.49, 95% CI 1.10-2.02), unstably housed compared to people with stable housing (AOR 1.87, 95% CI 1.40-2.50), and participants from 2021 compared to those from 2019 (AOR 3.06, 95% CI 1.57-5.97). The effects of both previous experience of a stimulant overdose and having witnessed an opioid overdose depended on the year of study, with both effects decreasing over subsequent years. CONCLUSIONS: Overdoses have increased over time; in 2021 more than one in four participants experienced an overdose. There is an urgent need for policy and program development to meaningfully address the unregulated drug poisoning emergency through acceptable life-saving interventions and services to prevent overdoses and support overdose survivors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».