Fentanyl, carfentanil and other fentanyl analogues in Canada’s illicit opioid supply: A cross-sectional study
Notice bibliographique
Résumé
Background: Despite the increase in fentanyl-involved overdose deaths in Canada, there have been no national-level studies evaluating the proportion of illicit opioids containing fentanyl or fentanyl analogues in Canada. Methods: This cross-sectional exploratory study characterized trends in fentanyl, carfentanil and other fentanyl analogues within opioids seized by law enforcement agencies in Canada from 2012 to 2022 and submitted to the Health Canada Drug Analysis Service (DAS). Analyses were stratified by province/region. Mann-Kandell tests were used to test for trends. Results: A total of 157,616 samples containing any opioid ("opioid-containing samples") were submitted to the DAS from Canadian provinces between 2012 and 2022, of which 81,165 (51.5%) contained fentanyl or a fentanyl analogue. The percentage of opioid-containing samples that were positive for fentanyl or a fentanyl analogue increased from 3.0% (95% CI: 2.6-3.4%) in 2012-68.3% (67.7-68.9%) in 2022 (p < 0.001 for trend). The percentage of opioid-containing samples that were positive for fentanyl or a fentanyl analogue increased between 2012 and 2022 in all regions. In 2022, the percentage of samples containing fentanyl or an analogue followed an east-to-west gradient: 15.8% (13.3-18.6%) of samples in Atlantic Canada and 84.7% (83.6-85.7%) in British Columbia. Carfentanil was present in 4.9% (4.6-5.2%) of opioid-containing samples in Canada in 2022 and 19.7% (18.3-21.2%) of opioid-containing samples in Alberta. Conclusions: The illicit opioid supply in Canada increasingly contains toxic synthetic opioids. As of 2022, important regional differences existed in the illicit opioid supply in Canada.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».