Investigating the spatial association between supervised consumption services and homicide rates in Toronto, Canada, 2010–2023: an ecological analysis
Notice bibliographique
Résumé
Background: Supervised consumption services (SCS) are effective at preventing overdose mortality. However, their effect on public safety remains contested. We investigated homicide rates in areas near SCS in Toronto. Methods: We classified coroner-reported fatal shootings and stabbings (January 1st, 2010 to September 30th 2023) by geographic zone: within 500 m ('near'), between 500 m and 3 km ('far'), and beyond 3 km of an SCS ('out'). We then used Poisson regression to calculate the rate ratio (RR) across zones 18, 36, 48, and 60 months pre vs. post SCS implementation. Finally, we compared spatial homicide incidence prior to and after the date of the implementation of each SCS using interrupted time series (ITS). Findings: Overall, 956 homicides occurred, and 590 (62%) were fatal shootings and stabbings. There was no meaningful change in the rate of fatal shootings and stabbings within 3 kms of SCS (near and far zones) after their implementation. However, between 48 and 60 months pos-implementation, we detected an increase in out zones. In an ITS analysis, we observed a reduction in the monthly incidence in near zones and an increase in out zones. Interpretation: SCS implementation was not associated with increased homicide rates; instead, we observed a reduction in monthly incidence near SCS. These results may inform drug market activity responses that optimize community health and safety. Funding: Canadian Institutes of Health Research, the New Frontiers in Research Fund, St. Michael's Hospital Foundation.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».