Las personas de diversos orígenes se ven afectadas por la crisis de los opioides. Para proporcionar una atención óptima a las personas en riesgo de sobredosis de opioides y prevenir sobredosis posteriores, es necesario adoptar una respuesta más específica que vaya más allá del enfoque tradicional de diagnóstico taxonómico en la gestión de la atención. En trabajos anteriores, se utilizaron métodos de Aprendizaje Automático en Grafos y Procesamiento de Lenguaje Natural para modelar los productos para la planificación y evaluación del tratamiento de pacientes con problemas complejos. Este estudio propone una metodología para dividir a los pacientes en la cohorte de sobredosis de opioides en varias comunidades basadas en sus patrones de utilización de servicios (PSUs) a lo largo del continuum de atención, utilizando la detección de comunidades en grafos y aplicando análisis de supervivencia para predecir el tiempo hasta la segunda sobredosis para cada una de las comunidades. Los resultados demostraron que la cohorte de sobredosis no es homogénea con respecto a los determinantes del riesgo. Además, se cuantificó el riesgo de sobredosis posterior: hay un 51% más de probabilidades de experimentar una segunda sobredosis en una comunidad de alto riesgo en comparación con una comunidad de bajo riesgo. El método propuesto puede informar un enfoque de heterogeneidad en el tratamiento más eficiente para una cohorte compuesta por individuos diversos, como la cohorte de sobredosis de opioides. También puede guiar el apoyo específico para pacientes en riesgo de sobredosis posteriores.