COVID-19 immunisation among individuals with opioid use disorder in Ontario: a population-based cohort study
Notice bibliographique
Résumé
Background: The COVID-19 pandemic exacerbated health inequities, particularly among individuals with opioid use disorder (OUD). Disparities in vaccine uptake among people with OUD remain poorly understood. This study assessed COVID-19 immunisation rates among individuals with OUD compared with the general population in Ontario, Canada. Methods: This population-based retrospective cohort study used linked administrative health data to compare COVID-19 vaccination rates between individuals diagnosed with OUD and a 10% random sample of individuals without OUD. Ontario residents aged >15 years with continuous healthcare coverage as of the censor date, 16 March 2020, were included. Inverse Probability of Treatment Weighting (IPTW) was applied to balance confounders, and Cox proportional hazards models estimated adjusted HRs (aHRs) for receiving two and three or more vaccine doses. Results: The cohort included 105 733 individuals with OUD and 1 185 993 without OUD. Individuals with OUD had a lower hazard of receiving two vaccine doses (aHR: 0.75, 95% CI 0.73 to 0.76) and three or more doses (aHR: 0.69, 95% CI 0.67 to 0.70). The rate of two-dose and three-dose vaccination was also lower among those with OUD (115.3 vs 149.0 per 100 000 person-years and 44.7 vs 77.5 per 100 000 person-years). Conclusion: Individuals with OUD had lower COVID-19 vaccination rates, suggesting barriers to access and uptake. Addressing these disparities through targeted interventions is crucial for equitable public health responses.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».