Description and evaluation of a national humanitarian opioid poisoning education and naloxone distribution program
Notice bibliographique
Résumé
SETTING: Canada's opioid poisoning crisis claimed 49,105 lives from January 2016 to June 2024. Opioid poisoning education and naloxone distribution programs can reduce fatalities, although access remains inconsistent across Canada. These programs have mostly been delivered in person through community, healthcare, and social service agencies. INTERVENTION: The Canadian Red Cross implemented a national, free, bilingual, virtually accessible, opioid harm reduction program, leveraging its experience in first aid education and community relationships as a humanitarian organization. The Opioid Harm Reduction program launched three new courses and added opioid poisoning content to four existing courses. Courses were adapted continually based on the feedback of people with lived experience of drug use and program participants. The program was delivered from January 2021 to March 2024 and evaluated through quantitative and qualitative methods. OUTCOMES: The program delivered 1,386,995 trainings and successfully reached diverse groups, including those from Indigenous (5.3%) and rural (25.2%) communities, but had an underrepresentation of men (34.3%) and individuals working in the construction industry (4.8%). Participants' self-reported knowledge and confidence in responding to opioid poisoning increased across all courses (p < 0.001), particularly for learners without prior training. In total, 24,098 intranasal naloxone kits were distributed, 60.4% to Ontario, Manitoba, and British Columbia. Most participant feedback (82%) received was positive, highlighting the course's simplicity and focus on stigma. IMPLICATIONS: The Canadian Red Cross Opioid Harm Reduction program advanced harm reduction, increased awareness of opioid poisonings, and situated the response to the opioid poisoning crisis as a community health effort.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».