Exploring disparities: a regional analysis of harm reduction supply distribution and opioid-related deaths across Ontario’s Public Health Units
Notice bibliographique
Résumé
BACKGROUND: It is critical that a range of harm reduction supplies are available through Ontario's Public Health Units (PHU) to meet the varying needs of people who use drugs. Therefore, we assessed geographic variation in opioid-related deaths and the distribution of these harm reduction supplies among 34 PHUs in Ontario, Canada. METHODS: We conducted a population-based repeated cross-sectional study using publicly available administrative datasets between January 1, 2019, and December 31, 2022. Rates of opioid-related deaths and the distribution of harm reduction supplies (inhalation supplies, naloxone, and needles provided) were calculated per PHU. Small area rate variation statistics including the extremal quotient (EQ) were used to assess variation across PHUs in 2022. RESULTS: Over the study period, the quarterly number of opioid-related deaths increased by 40.6% (3.2 to 4.5 per 100,000) in Ontario. The distribution rate of all harm reduction supplies increased, although there was considerable variation by type of supply. For example, the EQ ranged from 34.7 for naloxone to 1,610.6 for foil. In 2022, there were three PHUs with significantly higher rates of opioid-related deaths compared to the provincial average. In general, these PHUs also had significantly higher distribution rates of naloxone, needles, and inhalation supplies. CONCLUSIONS: Across Ontario, there is high variability in harm reduction supply distribution and opioid-related mortality. Regions with elevated opioid-related death rates also had high supply distribution rates, suggesting that efforts are concentrated in regions with particular need. To minimize harms related to substance use, ongoing efforts are needed to ensure a clear understanding of community-based needs for harm reduction services.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».