MétaCan
Menu
Retour à la cohorte
Enregistrement W1750882568 · doi:10.1186/1477-7517-3-15

Deconstructing anti-harm-reduction metaphors; mortality risk from falls and other traumatic injuries compared to smokeless tobacco use

2006· article· en· W1750882568 sur OpenAlexaff
Carl V. Phillips, Brian Guenzel, Paul Bergen

Notice bibliographique

RevueHarm Reduction Journal · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiquePublic Health Policies and Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHarm reductionSmokeless tobaccoHarmHealth psychologyTobacco harm reductionPsychologySocial psychologyMedicineCriminologyEnvironmental healthPublic healthTobacco controlTobacco useNursing

Résumé

récupéré en direct d'OpenAlex

Anti-harm-reduction advocates sometimes resort to pseudo-analogies to ridicule harm reduction. Those opposed to the use of smokeless tobacco as an alternative to smoking sometimes suggest that the substitution would be like jumping from a 3 story building rather than 10 story, or like shooting yourself in the foot rather than the head. These metaphors are grossly inappropriate for several reasons, notably including the fact that they are misleading about the actual risk levels. Based on the available literature on mortality from falls, we estimate that smoking presents a mortality risk similar to a fall of about 4 stories, while mortality risk from smokeless tobacco is no worse than that from an almost certainly non-fatal fall from less than 2 stories. Other metaphors are similarly misleading. These metaphors, like other false and misleading anti-harm-reduction statements are inherently unethical attempts to prevent people from learning accurate health information. Moreover, they implicitly provide bad advice about health behavior priorities and are intended to persuade people to stick with a behavior that is more dangerous than an available alternative. Finally, the metaphors exhibit a flippant tone that seems inappropriate for a serious discussion of health science.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0040,031
Communication savante0,0050,008
Science ouverte0,0020,005
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,123
Tête enseignante GPT0,443
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHarm Reduction JournalMême sujetPublic Health Policies and EducationTravaux en français237 207