Caractéristiques des victimes de surdose accidentelle et utilisation des services en Montérégie
Bibliographic record
Abstract
La crise des surdoses représente un important enjeu de santé publique. Au Québec, 2375 décès ont été reliés à une intoxication suspectée aux opioïdes ou à d’autres drogues entre 2018 et 2022. La Montérégie est la deuxième région la plus touchée en termes de nombre. En connaissant mieux les caractéristiques des victimes et leur utilisation des services, des pistes d’actions peuvent être proposées afin d’améliorer les interventions en prévention des décès par surdose. Un devis descriptif a été utilisé avec une analyse rétrospective des rapports de coroners ayant porté sur les décès par surdose accidentelle, survenus entre 2018 et 2022, chez les adultes ayant une adresse associée à une résidence principale en Montérégie (n=222). Les taux de décès par surdose accidentelle pour cette période sont plus élevés dans certaines municipalités ou communautés. Des témoins de l’intoxication sont souvent présents (n=99 ; 45 %). Des problèmes de consommation (n=183 ; 82 %), de santé physique (n=120 ; 54 %) et de santé mentale (n=103 ; 46 %) sont souvent rapportés. Les 218 analyses toxicologiques montrent notamment la présence d’opioïdes (n=115 ; 53 %), de benzodiazépines (n=86 ; 39 %), d’antidépresseurs (n=85 ; 39 %), d’antipsychotiques (n=57 ; 26 %) et d’alcool (n=52 ; 24 %). La moitié des personnes ont eu un contact avec le réseau de la santé et des services sociaux (n=112 ; 50 %), dont plusieurs dans l’année (n=93 ; 42 %), le mois (n=47 ; 21 %) ou la semaine (n=31 ; 14 %) précédant le décès. La mortalité par surdose est un phénomène complexe, multifactoriel et évitable. Plusieurs aspects liés au phénomène permettent d’identifier des pistes d’intervention pouvant contribuer à éviter les surdoses mortelles. Par exemple, les témoins devraient reconnaître les signes et symptômes de surdose et intervenir rapidement en suivant les bonnes pratiques. Les interventions devraient cibler non seulement l’usage d’opioïdes, mais aussi celle de médicaments prescrits et d’alcool. L’utilisation importante des services avant les décès suggère des opportunités d’intervention en lien avec les différentes comorbidités présentes.
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 | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 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".