Establishing a regional drug profile in Newfoundland and Labrador, Canada, using data from acute drug deaths
Notice bibliographique
Résumé
INTRODUCTION: Drug deaths are rising in Canada and are driven by polydrug toxicity (that is toxicity resulting from multiple drugs belonging to different drug classes). Addressing polydrug toxicity requires the establishment of regional drug profiles so that appropriate harm reduction policies can be implemented. METHODS: Using toxicology data from individuals who died from acute drug toxicity, we established regional drug profiles for the Canadian province of Newfoundland and Labrador. Medical examiners determined which drugs contributed to each acute death. Counts were described to establish the most common drugs and classes. RESULTS: Between 2018 and 2023, 222 individuals died from unintentional acute drug toxicity, and a majority of deaths were from polydrug toxicity. Stimulants and opioids were the most frequent drug class combinations in the sample. Cocaine was the most frequent drug contributing to death and was involved in a majority of stimulant-related deaths. Opioid-related deaths involved many drugs, and deaths resulting from non-pharmaceutical opioids and opioid agonists used in opioid depen-dence treatment rose sharply in the later years of the study. DISCUSSION: Stimulants, especially cocaine, disproportionately contributed to stimulant-related deaths, reinforcing the need for stimulant-specific harm reduction measures in the region. Among opioids, the sharp rise in deaths from opioid agonists used in opioid depen-dence treatment requires policy attention, and the emergence of non-pharmaceutical opioids presents an opportunity to implement policies that have shown success in other regions. Policy impacts and suggestions are discussed, including the need for drug-checking services so that drug profiles can be established more quickly and reflect drug use that is not specific to toxicity. CONCLUSIONS: A total of 222 individuals died from unintentional acute drug toxicity in Newfoundland and Labrador between 2018 and 2023, with polydrug toxicity comprising a majority (55.4%) of these fatalities. Stimulants and opioids were the most prevalent drug classes, with cocaine implicated in most stimulant-related deaths and various types of opioids involved in opioid-related 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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 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 ».