Risk of opioid-related harms by occupation within a large cohort of formerly injured workers in Ontario, Canada: findings from the Occupational Disease Surveillance System
Notice bibliographique
Résumé
Objective Working-age individuals have been disproportionately affected by the opioid crisis, prompting interest in the potential role of occupation as a contributor. This study aimed to estimate the risk of opioid-related poisonings and mental and behavioural disorders by occupation and industry within a cohort of 1.7 million formerly injured workers. Methods Workers were identified in the Occupational Disease Surveillance System, a system linking workers’ compensation data (1983–2019) to emergency department and hospitalisation records (2006–2020) in Ontario, Canada. Cox proportional hazards models were used to estimate HRs and 95% CIs for hospital encounters for opioid-related poisonings and mental and behavioural disorders by occupation and industry compared with all other workers, adjusted for age, sex and birth year. Results In total, 13 702 opioid-related poisoning (p) events (n=10 064 workers) and 19 629 opioid-related mental and behavioural (mb) disorder events (n=11 755 workers) were observed. Elevated risks were identified among workers in forestry and logging (HR p =1.45, 95% CI 1.09 to 1.94; HR mb =1.70, 95% CI 1.34 to 2.16); processing (minerals, metals, clay, chemical) (HR p =1.27, 95% CI 1.14 to 1.42; HR mb =1.26, 95% CI 1.14 to 1.39); processing (food, wood, textile) (HR p =1.12, 95% CI 1.01 to 1.24; HR mb =1.19, 95% CI 1.09 to 1.31); machining (HR p =1.13, 95% CI 1.04 to 1.21; HR mb =1.17, 95% CI 1.09 to 1.25); construction trades (HR p =1.57, 95% CI 1.48 to 1.67; HR mb =1.59, 95% CI 1.51 to 1.68); materials handling (HR p =1.32, 95% CI 1.22 to 1.43; HR mb =1.22, 95% CI 1.13 to 1.31); mining and quarrying (HR mb =1.68, 95% CI 1.34 to 2.11); and transport equipment operating occupations (HR p =1.18, 95% CI 1.09 to 1.27). Elevated risks were observed among select workers in service, sales, clerical and health. Findings by industry were similar. Conclusions Results provide additional evidence that opioid-related harms cluster among certain occupational groups. Findings can be used to strategically target prevention and harm reduction activities in the workplace.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».