The rising burden of drug use disorders in the Americas, 2000–2021
Notice bibliographique
Résumé
Objectives: Drug use disorders - preventable and treatable conditions - are a challenging and growing public health threat in the Region of the Americas. This study aims to provide a comprehensive analysis of the levels and trends of the burden of these disorders across countries in the Americas. Methods: This study analyzed morbidity, mortality and disease burden from drug use disorders, including opioid, cocaine, amphetamine, cannabis and other drug use disorders, across 38 countries in the Americas from 2000 to 2021. Using estimates from the Global Burden of Disease Study in 2021, trends were assessed using the average annual percentage change, estimated through regression analysis. Results: In 2021, 17.7 million (95% uncertainty interval [UI]: 15.9 to 19.9 million) people in the Americas were living with these disorders, mainly opioid use disorders (42.7%) and cannabis use disorders (31.5%). Drug use disorders accounted for 77 717 deaths (95% UI: 70 414 to 86 270) or 6.9 deaths (95% UI: 6.3 to 7.6) per 100 000 population, which was higher than the global estimates. Rates of age-standardized disability-adjusted life years from drug use disorders increased annually by 4.95%, reaching 695.36 years (95% UI: 583.45 to 807.69) per 100 000 population, higher than the global estimate. The burden of these disorders was consistently higher among male young adults. Regionwide in 2021, 145 515 (95% UI: 132 710 to 159 080) all-cause deaths (1.6%, 95% UI: 1.4 to 1.7% of total deaths) were attributed to drug use, primarily deaths from opioid use disorders, cirrhosis and liver cancer. Conclusions: Drug use disorders are a major and growing public health challenge in the Americas, driven mainly by opioid use disorders in young adults and the rise in these disorders among women. Urgent, evidence-based responses are needed that target high-risk populations, expand treatment and harm reduction, and strengthen data systems. Tailored strategies informed by national contexts and global frameworks can reduce avoidable deaths and improve population health.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».