The changing role of substances: trends, characteristics of individuals and prior healthcare utilization among individuals with accidental substance-related toxicity deaths in Ontario Canada
Notice bibliographique
Résumé
OBJECTIVE: To investigate trends and the circumstances surrounding fatal substance-related toxicities directly attributed to alcohol, stimulants, benzodiazepines or opioids and combinations of substances in Ontario, Canada. METHODS: We conducted a population-based cross-sectional study of all accidental substance-related toxicity deaths in Ontario, Canada from January 1, 2018 to June 30, 2022. We reported monthly rates of substance-related toxicity deaths and investigated the combination of substances most commonly involved in deaths. Demographic characteristics, location of incident, and prior healthcare encounters for non-fatal toxicities and substance use disorders were examined. RESULTS: Overall, 10,022 accidental substance-related toxicity deaths occurred, with the annual number of deaths nearly doubling between the first and last 12 months of the study period (N = 1,570-2,702). Opioids were directly involved in the majority of deaths (84.1%; N = 8,431), followed by stimulants (60.9%; N = 6,108), alcohol (13.4%; N = 1,346) and benzodiazepines (7.8%; N = 782). In total, 56.9% (N = 5,698) of deaths involved combinations of substances. Approximately one-fifth of individuals were treated in a hospital setting for a substance-related toxicity in the past year, with the majority being opioid-related (17.4%; N = 1,748). Finally, 60.9% (N = 6,098) of people had a substance use disorder diagnosis at time of death. CONCLUSIONS: Our study shows not only the enormous loss of life from substance-related toxicities but also the growing importance of combinations of substances in these deaths. A large proportion of people had previously interacted within an hospital setting for prior substance-related toxicity events or related to a substance use disorder, representing important missed intervention points in providing appropriate care.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».