Young DUI Offenders Seen in Substance Abuse Treatment
Notice bibliographique
Résumé
Despite considerable efforts to reduce the burden of driving while under the influence of alcohol or drugs, Driving Under the Influence (DUI) crashes remain a major road safety problem (Chou et al., 2006). While research has demonstrated that apprehended DUI offenders are often a heterogenic group (Begg et al., 2003; Nochajski & Stasiewicz, 2006), young offenders remain an "at risk" group and continue to be disproportionately represented in DUI statistics (Chou et al., 2006; Chirstoffersen et al., in press; Greening & Stoppelbein, 2000; Horwood & Fergusson, 2000). Young men ages 18 to 20 reported DUI more frequently than any other age group (Shults et al., 2002; Quinlan et al., 2005), and not surprisingly, age and DUI have a negative relationship (Chou et al., 2006). Being involved in an alcohol-related crash at a young age does not appear to be a significant deterrent against re-offending, as research has indicated such individuals are in fact more likely to drink and drive as well as crash again in the future (Ferrante et al., 2001). And young males are at a higher risk of engaging in DUI offenses than females (Chou et al., 2006), although an increasing number of females are being apprehended for DUI offenses and entering treatment programs as a result of a DUI (Maxwell et al., 2007).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».