Fentanyl concentrations in unregulated opioids and the blood of drug toxicity decedents
Notice bibliographique
Résumé
Abstract Fentanyl toxicity is the leading cause of unnatural death in British Columbia (BC), Canada, driven in part by fentanyl’s potency and unpredictable, highly variable concentration in unregulated drug samples. This study aims to identify emerging trends and the possible relationship between fentanyl concentrations in community drug samples and the postmortem blood of drug-toxicity decedents. Data for this ecological study were derived from Vancouver, BC community drug-checking sites and the BC Coroners Service. We analyzed fentanyl concentrations of opioid drug-checking samples alongside postmortem blood fentanyl concentrations from unintentional drug-toxicity decedents in which fentanyl contributed. The study period was January 2018 through December 2022. Monthly median fentanyl concentrations of drug-checking samples were compared to postmortem blood concentrations using generalized additive models. The primary time-series model, adjusted for potential confounders, did not identify a statistically significant association between drug-checking and postmortem concentrations (edf = 3.58, χ2 = 8.48, P = 0.104); however, a sensitivity analysis excluding extreme values revealed a significant nonlinear association (edf = 3.91, χ2 = 11.71, P = 0.038). Fentanyl concentrations in both the unregulated drug supply and postmortem blood changed over time with the two being mutually associated: as median fentanyl concentrations in opioid drug-checking samples increased, postmortem blood fentanyl concentrations generally decreased. Further research into complexities of the drug supply, changing substance use patterns, and rates of fentanyl exposure among opioid-naïve individuals may explain this nonlinear trend and inform strategies to abate the ongoing crisis.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».