Circumstances surrounding alcohol toxicity deaths and prior pharmacotherapy for alcohol use disorder in Ontario, Canada
Notice bibliographique
Résumé
INTRODUCTION: Despite a high prevalence of alcohol use disorder (AUD) in Canada, access to medication-based treatment remains poor. Therefore, our aim was to explore patterns of alcohol toxicity deaths in Ontario, Canada, circumstances surrounding death, prior healthcare interactions, and pharmacotherapy for AUD. METHODS: We conducted a population-based repeated cross-sectional study of alcohol toxicity deaths occurring between 1 January 2018 and 30 June 2022 in Ontario, Canada. We reported trends in deaths over time and determined demographic characteristics of decedents, circumstances surrounding death, and prior healthcare interactions. Among a subset of the cohort with an AUD diagnosis eligible for public drug benefits, we reported receipt of medications used to treat AUD before death. RESULTS: We identified 1346 alcohol toxicity deaths over the study period, at a median age of 42 years, with 73.8% occurring among men. The majority of alcohol toxicity deaths involved other substances, including opioids (75.2%), benzodiazepines (10.8%), and/or stimulants (45.2%). Half had an AUD (50.4%) and 62.7% had an opioid, benzodiazepine or stimulant use disorder. Among decedents who were public drug beneficiaries with an AUD (N = 361), only 3.6% were actively prescribed first-line AUD pharmacotherapies (naltrexone and/or acamprosate) at time of death. CONCLUSIONS: We found that the majority of alcohol toxicity deaths in Ontario involved other non-alcohol substances. We also detected a high prevalence of prior healthcare encounters for substance use disorders (SUDs) and low prevalence of evidence-based AUD pharmacotherapy. This suggests a need for integrated treatment across concurrent SUDs and improved access to pharmacotherapies for AUD across Ontario.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».