Overdose Epidemic in Québec: Population-Level Approaches and Clinical Implications
Notice bibliographique
Résumé
Canada’s national surveillance shows an 11% year-over-year decline in deaths from opioid and other unregulated drug poisonings, and a 10% drop in related hospitalisations in 2024. In stark contrast, Québec, home to more than nine million residents, and Montréal, the country’s second-largest city, experienced a continued rise in suspected drug-poisoning mortality through 2024, with fentanyl or analogues detected in almost two-thirds of opioid deaths. We conducted a narrative synthesis of provincial coroner and public-health surveillance tables, Health Canada dashboards, and the 2022–2025 Québec Strategy on Psychoactive-Substance Overdose Prevention. Results indicate a 40% increase in opioid-related mortality since 2018, a parallel uptick in stimulant toxicity, and a five-fold rise in overdose reversals at Montréal supervised-consumption services during the COVID-19 pandemic recovery. We aim to summarise the key problems underlying this epidemic and offer province-specific public-health strategies while also sending a call to action for first-line clinicians and psychiatrists to integrate overdose-risk screening, take-home naloxone, and stimulant-use-disorder treatments into routine care. We further urge Québec healthcare professionals to deepen their knowledge of provincial services such as supervised-injection sites and stay up to date with the rapidly evolving substance-use-prevention literature. Québec’s divergent trajectory underscores the need for region-tailored harm-reduction investments and stronger policy-to-clinic feedback loops to reduce preventable 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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».