Global burden, socioeconomic disparities, and spatiotemporal dynamics of opioid use disorder mortality and disability: a comprehensive analysis from the global burden of disease study 2017-2021
Notice bibliographique
Résumé
BACKGROUND: The escalating global burden of opioid use disorder (OUD) necessitates a nuanced understanding of its epidemiological patterns, socioeconomic determinants, and temporal trends. This study quantifies the global, regional, and national burden of OUD-related mortality and disability, evaluates policy correlates, and identifies critical disparities across demographic and socioeconomic strata. METHODS: Using data from the Global Burden of Diseases, Injuries, and Risk Factors Study (GBD) 2017–2021, we analyzed age-standardized mortality rates (ASMRs), disability-adjusted life years (DALYs), and their 95% uncertainty intervals (UIs) across 204 countries and territories. Joinpoint regression modeled temporal trends, while multivariable generalized estimating equations (GEEs) assessed socioeconomic gradients via the Socio-demographic Index (SDI). Geospatial clustering was evaluated using Moran’s I statistic. Robustness was confirmed through sensitivity analyses, counterfactual modeling, and cross-validation. RESULTS: Globally, OUD mortality increased by 12.4% between 2017 and 2021, with the Americas remaining the epicenter (ASMR: 5.72 per 100,000; +47.3% deaths). Europe demonstrated progress (mortality decline: -1.8%), while Asia and Africa faced rising chronic disability (DALYs: +3.0% and + 10.2%, respectively). National-level extremes ranged from 0.01 per 100,000 in Japan to 7.16 per 100,000 in Canada. A pronounced socioeconomic gradient emerged: high-SDI regions exhibited 17.8-fold higher mortality rates (0.641% vs. 0.036% in low-SDI regions) and 13.9-fold greater DALY rates. Sex disparities persisted (male-to-female mortality ratio: 4.7:1), with males experiencing biphasic trends (+ 3.8% annual percent change [APC] pre-2020, -6.5% post-2020). Geospatial analyses revealed diverging trajectories, including rising mortality in the Americas (+ 4.2% APC) and declines in Africa (-3.1% APC). CONCLUSION: This study highlights stark regional and socioeconomic disparities in the OUD burden, exacerbated by synthetic opioid proliferation in high-income settings and chronic disability in resource-limited regions. Evidence-based harm reduction policies in high-SDI nations mitigated disability, while low-SDI regions faced accelerating crises. Targeted interventions addressing socioeconomic inequities, gender-specific risks, and geospatial vulnerabilities are urgently needed to curb the global opioid epidemic.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».