Association entre la COVID-19 et les visites à l’urgence liées aux opioïdes en Alberta (Canada) : analyse de séries temporelles interrompues
Bibliographic record
Abstract
Introduction Les services d’urgence sont des points d’accès important aux soins de santé pour les personnes qui consomment des drogues, mais on ne sait pas véritablement si le début de la pandémie de COVID-19 a été associé à des changements dans les visites à l’urgence liées aux opioïdes. Nous avons cherché à savoir si 1) le début de la pandémie de COVID-19 a été associé à un changement quelconque des taux moyens de visites à l’urgence liées aux opioïdes en Alberta et 2) si ces taux moyens variaient selon les zones présentant des taux de cas de COVID-19 différents. Méthodologie Nous avons mené des analyses de séries temporelles interrompues par maximum de vraisemblance afin de comparer les visites à l’urgence liées aux opioïdes pendant la « période prépandémique » (du 3 mars 2019 au 1er mars 2020) et pendant la « période pandémique » (du 2 mars 2020 au 14 mars 2021). Résultats Il y a eu 8 883 visites à l’urgence liées aux opioïdes durant la période prépandémique et 11 657 durant la période pandémique. Le début de la pandémie de COVID-19 a été associé à une augmentation du nombre de visites à l’urgence liées aux opioïdes (Edmonton : rapport des taux d’incidence [RTI] = 1,37, intervalle de confiance [IC] à 95 % : 1,30 à 1,44, p $lt; 0,05; Calgary : RTI = 1,14, IC à 95 % : 1,07 à 1,20, p $lt; 0,05; autres zones sanitaires : RTI = 1,14, IC à 95 % : 1,07 à 1,21, p $lt; 0,05). L’évolution du nombre de cas COVID-19 n’offre pas de correspondance en fonction des zones avec les variations dans les taux de visites à l’urgence liées aux opioïdes. Conclusion Il n’y a aucune association entre l’augmentation du nombre de visites à l’urgence liées aux opioïdes ayant eu lieu au début de la pandémie de COVID-19 et la prévalence des cas de COVID-19 en Alberta.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".