The erosion of safer supply programs in Ontario, Canada: A dangerous step backward
Notice bibliographique
Résumé
Opioid-related deaths in Ontario remain persistently high, driven largely by an unstable and unregulated drug supply. In response, harm reduction services, such as supervised consumption sites/consumption and treatment services and safer supply programs, have been implemented to reduce the risks of overdose and connect people who use drugs with essential healthcare and social services. Unlike supervised consumption, safer supply programs offer prescribed alternatives to the unregulated toxic drug supply, reducing overdose deaths and improving client stability. Ontario hosts the largest number of safer supply programs in Canada, yet recent policy decisions threaten their existence. In December 2024, the Ontario Government passed Bill 223, prohibiting new safer supply programs and imposing restrictions that forced six federally funded programs to close on 31 March 2025. In their place, the government has implemented 27 Homelessness and Addiction Recovery Treatment (HART) Hubs, which exclude safer supply programs, supervised consumption services, and needle and syringe programs. This shift disregards the evidence supporting harm reduction's role, including safer supply programs, in reducing overdoses, stabilizing the drug supply, and engaging people in care. Safer supply programs have demonstrated significant benefits including increased access to health and social services, and reduction in overdose rates upon program enrollment. Removing these programs will force people who use drugs back to the unregulated toxic drug supply, jeopardize their connection to healthcare providers, and increase overdose risks. Ontario's decision to dismantle safer supply programs is a critical public health failure. Policymakers must prioritize evidence-based approaches to effectively address the opioid crisis and prevent unnecessary deaths.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,006 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».