The Short‐Term Impacts of Decriminalisation of Personal Possession of Select Illegal Drugs on Drug Poisonings in British Columbia, Canada (2015–2023)
Notice bibliographique
Résumé
INTRODUCTION: Canada is in the midst of a crisis featuring drug poisonings. Decriminalisation of personal possession of select illegal drugs was implemented in British Columbia, Canada on 31 January 2023 as one element of a public health response to reduce drug-related harms. We evaluated the short-term impacts of decriminalisation on paramedic responses to opioid poisonings and drug poisoning deaths to detect if there were early signals of change. METHODS: We sourced population-based monthly counts of drug poisonings from the provincial emergency services provider and coroners service to compute total and sex-specific age-standardised rates per 100,000 (January 2015-December 2023 [97 months pre-decriminalisation and 11 months post-decriminalisation]). Generalised additive models in an interrupted time series design were used to evaluate the short-term impacts of decriminalisation on rates of paramedic responses to opioid poisonings and drug poisoning deaths. RESULTS: Decriminalisation was not associated with an immediate effect (β [95% confidence interval; CI] -0.078 [-0.318, 0.163]) or trend change (β [95% CI] -0.022 [-0.082, 0.037]) in the total rate of paramedic responses to opioid poisonings, nor was it associated with an immediate effect (β [95% CI] -0.165 [-0.477, 0.147]) or trend change (β [95% CI] -0.010 [-0.082, 0.062]) in the total rate of drug poisoning deaths. These findings were consistent after stratification by sex. DISCUSSION AND CONCLUSIONS: Decriminalisation of select illegal drugs was not associated with significant changes in drug poisonings in the first 11 months of its implementation. However, the direction of effects was encouraging from a public health standpoint.
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 ».