Cohort profile: the provincial opioid agonist treatment cohort in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Opioid Agonist Treatment (OAT) is the most effective intervention for opioid use disorder (OUD), but retention has decreased due to increasingly potent drugs like fentanyl. This cohort can be used retrospectively to observe trends in service utilization, healthcare integration, healthcare costs and patient outcomes. It also facilitates the design of observational studies to mimic a prospective design. METHODS: This study used linked administrative data from ICES to create a cohort of 137,035 individuals who received at least one prescription of methadone or buprenorphine/naloxone between 2014 and 2022. Data were linked using de-identified personal health numbers. Variables included age, sex, rurality, income, homelessness, and mental health conditions. Regional differences in OAT use, retention, and mortality were analyzed. RESULTS: Of the cohort, 56.1% began OAT after 2014. Southern Ontario participants more often started on methadone (53.2%), while Northern Ontario patients favored buprenorphine/naloxone (62.7%). Northern patients were younger, more likely to be female, live in rural areas, and face homelessness. The death rate was higher in Southern Ontario (22.1%) than in Northern Ontario (13.2%). Retention declined over time, with 73.4% of patients remaining in treatment at the study's end. CONCLUSIONS: The findings highlight regional disparities in OAT delivery and emphasize the need for region-specific strategies, particularly in rural areas, to improve retention and reduce mortality.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».