Estimating the total utilization of take home naloxone during an unregulated drug toxicity crisis: A Bayesian modeling approach
Notice bibliographique
Résumé
BACKGROUND: British Columbia (BC) Canada has a large take-home naloxone (THN) program, implemented as part of the provincial response to the ongoing toxic unregulated drug supply emergency. Ascertaining the rate of use of THN kits is vital to understanding the full impact of the program. However, this is a challenging problem due to under-reporting of kit distribution. This study aims to estimate the total number of THN kits used based on the number of THN kits shipped, the number of THN kits reported as distributed, and the number of THN kits reported as used. METHODS: We used BC THN shipment and distribution records (February 2015 to August 2023) to inform a simple Bayesian model of naloxone kit distribution and use. A logistic regression term by health region and distribution site type was incorporated to account for variable under-reporting, and a convolution term was incorporated to account for kit distribution. RESULTS: We find the number of THN kits reported as used, and the number of total THN kits distributed, are largely under-reported. An estimated 1,500 (95 % CrI: 1,430 - 1,590) THN kits per 10,000 BC population were used, of which 288 per 10,000 had been reported as used. Of all the THN kits shipped, the model estimated that 43 % (95 % CrI: 41-45 %) of kits were used. We also found variation in both distribution and use by distribution site type, with kits distributed from overdose prevention sites having the highest rate of use (56 %; 95 % CrI: 53-59 %). CONCLUSION: Across all sites, kit use is approximately five times higher than has been reported. Our framework can also be applied to other localities where THN programs operate, in order to better estimate the true reach and impact of take home naloxone distribution.
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 | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».