Polysubstance toxicity deaths in Newfoundland and Labrador: a retrospective study
Notice bibliographique
Résumé
OBJECTIVE: The present study examined the prevalence of polysubstance toxicity deaths in Newfoundland and Labrador between 2018 and 2023, describing sociodemographics of decedents and the most common substances contributing to death. METHODS: Death investigation data from the Office of the Chief Medical Examiner pertaining to polysubstance toxicity was obtained. Polysubstance toxicity deaths were defined as drug toxicity deaths in which substances from more than one drug class contributed to death. Trends in sociodemographics and substance combinations were quantitatively summarized. RESULTS: 313 individuals died from drug toxicity in the province between 2018 and 2023. Most deaths (n = 185, 59%) were determined to be caused by polysubstance toxicity. Polysubstance deaths increased 46% from 26 in 2018 to 38 in 2023. Most deaths were accidental in manner and the proportion of yearly accidental deaths increased sharply through the study period from 69% in 2018 to 89% in 2023. Male decedents outnumbered female decedents across the study period except for 1 year (2022), and young people (< 40 years old) had the highest death rate in the most recent study year. Cocaine was the most prevalent substance in toxicology reports and the combination of stimulants-opioids was the most prevalent drug class combination, followed by benzodiazepines-opioids and sedatives-opioids. CONCLUSION: Polysubstance toxicity is rising in Newfoundland and Labrador in recent years and our findings provide important information about sociodemographics and substance combinations to policymakers to aid in addressing this public health issue.
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) | 0,000 | 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 ».