Not just fentanyl: Understanding the complexities of the unregulated opioid supply through results from a drug checking service in British Columbia, Canada
Notice bibliographique
Résumé
INTRODUCTION: This study examines illicit opioid samples submitted to a drug checking service in British Columbia, Canada. By employing a method capable of identifying and quantifying compounds at low concentrations, the analysis focused on identifying trends in notable compounds such as fentanyl, its analogues, and benzodiazepines. The findings aim to address gaps in supply monitoring and inform public health and drug policies. METHODS: Opioid samples were collected and analyzed over three years using fentanyl and benzodiazepine test strips, Fourier-transform infrared (FTIR) spectroscopy and Paper-Spray Mass Spectrometry (PS-MS). PS-MS was employed to conduct trace-level analysis, provide targeted composition results, and quantify notable ingredients within the samples. The concentrations of fentanyl and benzodiazepines, among other components, were examined. RESULTS: The dataset includes 8122 opioid samples analyzed from January 2021 to December 2023. Analysis revealed that heroin was replaced by fentanyl and its analogues in the opioid supply, as heroin was detected in only 4 % of opioid samples while fentanyl and analogues were detected in 88 %. Fluorofentanyl was found in 70 % of opioid samples, occasionally in combination with fentanyl. Benzodiazepines and their analogues were detected in 49 % of opioid samples, with a notable shift from etizolam to bromazolam. The median fentanyl concentration was 10.6 % (weight/weight), ranging from less than 0.1 % to over 80 %. The median bromazolam concentration was 3.2 %, with a range of less than 0.1 % to over 25 %. CONCLUSION: The study highlights the volatility in the supply and mentions the necessity for a safer opioid supply and robust drug checking methodologies to address the challenges posed by the heterogenous market.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».