Toronto’s Supervised Consumption Sites and Local Crime
Notice bibliographique
Résumé
Importance: Beginning in August 2017, 9 overdose prevention sites and supervised consumption sites (OPS/SCS) began operating in Toronto, Canada. Following years of community pushback stating that these sites increased local crime and disorder, they were closed in March 2025. Objective: To examine the association between OPS/SCS and local crime and disorder. Design, Setting, and Participants: This ecological cohort study used Toronto Police Service data to compare crime incidence before and after OPS/SCS implementation using an interrupted time series study design. Analysis was restricted to crimes that occurred within city boundaries between January 1, 2014, and June 30, 2025. Main Outcomes and Measures: The study used monthly event counts of all assaults, auto thefts, break and enters, robberies, thefts over $5000, bicycle thefts, and thefts from motor vehicles as the 7 outcomes. Incidence within 400 m of the geolocation of each OPS/SCS before and after implementation were compared and results were pooled for population-level estimates. Results: Within 400 m (approximately a quarter mile), OPS/SCS implementation was associated with increases in break and enters (49.88%; 95% CI, 27.03% to 76.84%), and to a lesser extent, thefts from motor vehicles (20.03%; 95% CI, -0.63% to 44.99%). However, monthly trends for break and enters (-1.19%; 95% CI, -1.71% to -0.68%), robberies (-1.32%; 95% CI, -1.93% to -0.70%), thefts over $5000 (-1.48%; 95% CI, -2.45% to -0.50%), bicycle thefts (-1.82%; 95% CI, -2.93% to -0.68%), and thefts from motor vehicles (-1.30%; 95% CI, -2.18% to -0.42%) declined. Site-specific results revealed some OPS/SCS were associated with increases in crime while most were not. Conclusions and Relevance: This ecological cohort study found that the association between Toronto's OPS/SCS and crime was generally neutral to beneficial. OPS/SCS were associated with increases in break and enters, and to a lesser extent thefts from motor vehicles, immediately postimplementation. Incidents of crimes declined with time.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».