Understanding illicit drug use patterns through wastewater analysis
Notice bibliographique
Résumé
Illicit drug use is a perennial societal problem that has serious ramifications on the health and socioeconomic well-being of a society. Its identification and estimation in communities is difficult because of the privacy laws and doctor-patient confidentiality agreements, which may limit the availability of reports and data. Various analytical strategies and research methodologies rely on surveys and reports from health and other government agencies. In this study, we employ a relatively new approach called "wastewater epidemiology" to study the patterns of cocaine use in Belgium. We compiled and analyzed census data and previously published water quality data from 37 wastewater treatment plants across Belgium. Using Pearson correlation and stepwise multiple regression analyses, we examined the relationship of cocaine loads at the treatment plants with service coverage, and the population age group, education, and employment. Our results show strong correlations (p2= 0.89), younger population (2= 0.89), manual labor (blue collar jobs, RR2= 0.88), and tertiary level education (R2= 0.88). Interestingly, cocaine loads were positively correlated with higher education level (Coeff. = 2.0, p < 0.0001); and negatively correlated with lower education level (Coeff. = -47.6, p = 0.02). Our findings suggest that wastewater epidemiology can potentially be used as a complementary tool to existing survey-based studies of illicit drug consumption in society. Further, this method provides real-time data and a non-invasive alternative to understanding the patterns of drug use in communities.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».