Chronic disease diagnoses and health service use among people who died of illicit drug toxicity in British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: Illicit drug toxicity (i.e., overdose) is the leading cause of death in British Columbia (BC) for people aged 10-59. Stimulants are increasingly detected among drug toxicity deaths. As stimulant use and detection in deaths rises, it is important to understand how people who die of stimulant toxicity differ from people who die of opioid toxicity. METHODS: BC Coroners Service records were retrieved for all people who died of unintentional illicit drug toxicity (accidental or undetermined) between January 1, 2015, and December 31, 2019, whose coroner investigation had concluded and who had an opioid and/or stimulant detected in post-mortem toxicology and identified by the coroner as relevant to the death (N = 3788). BC Chronic Disease Registry definitions were used to identify people with chronic disease. Multinomial regression models were used to examine the relationship between chronic disease diagnoses and drug toxicity death type. RESULTS: Of the 3788 deaths, 11.1% (N = 422) had stimulants but not opioids deemed relevant to the cause of death (stimulant group), 26.8% (N = 1014) had opioids but not stimulants deemed relevant (opioid group), and 62.1% (N = 2352) had both opioids and stimulants deemed relevant (opioid/stimulant group). People with ischemic heart disease (1.80 (1.14-2.85)) and people with heart failure (2.29 (1.25-4.20)) had approximately twice the odds of being in the stimulant group as compared to the opioid group. CONCLUSIONS: Findings suggest that people with heart disease who use illicit stimulants face an elevated risk of drug toxicity death. Future research should explore this association and should identify opportunities for targeted interventions to reduce drug toxicity deaths among people with medical comorbidities.
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) | 0,001 | 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 ».