Opioid-related deaths between 2019 and 2021 across 9 Canadian provinces and territories
Notice bibliographique
Résumé
<h3>Background:</h3> The drug toxicity crisis continues to accelerate across Canada, with rapid increases in opioid-related harms following the onset of the COVID-19 pandemic. We sought to describe trends in the burden of opioid-related deaths across Canada throughout the pandemic, comparing these trends by province or territory, age, and sex. <h3>Methods:</h3> We conducted a repeated cross-sectional analysis of accidental opioid-related deaths between Jan. 1, 2019, and Dec. 31, 2021, across 9 Canadian provinces and territories using aggregated national data. Our primary measure was the burden of premature opioid-related death, measured by potential years of life lost. Our secondary measure was the proportion of all deaths attributable to opioids; we used the Cochrane–Armitage test for trend to compare proportions. <h3>Results:</h3> Between 2019 and 2021, the annual number of opioid-related deaths increased from 3007 to 6222 and years of life lost increased from 126 115 to 256 336 (from 3.5 to 7.0 yr of life lost per 1000 population). In 2021, the highest number of years of life lost was among males (181 525 yr) and people aged 30–39 years (87 045 yr). In 2019, we found that 1.7% of all deaths among those younger than 85 years were related to opioids, rising to 3.2% in 2021. Significant increases in the proportion of deaths related to opioids were observed across all age groups (<i>p</i> < 0.001), representing 29.3% and 29.0% of deaths among people aged 20–29 and 30–39 years in 2021, respectively. <h3>Interpretation:</h3> Across Canada, the burden of premature opioid-related deaths doubled between 2019 and 2021, representing more than one-quarter of deaths among younger adults. The disproportionate loss of life in this demographic group highlights the critical need for targeted prevention efforts.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».