MétaCan
Menu
Retour à la cohorte
Enregistrement W1852139882 · doi:10.18192/uojm.v4i2.1052

Harm Reduction at its Best: A case for Promoting Safe Injection Facilities

2014· article· en· W1852139882 sur OpenAlexaffvenueabout
Émilie M. Meyers, Ellen Snyder

Notice bibliographique

RevueUniversity of Ottawa Journal of Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHarm reductionLimitingGovernment (linguistics)EnforcementLaw enforcementHarmPublic healthPopulationHealth careEnvironmental healthMedicineHuman immunodeficiency virus (HIV)Medical emergencyBusinessTransmission (telecommunications)LawNursingPolitical scienceVirologyEngineering

Résumé

récupéré en direct d'OpenAlex

Injection Drug Users (IDU) represent less than 1% of Canada's the total population. Nevertheless, it is estimated that health and law enforcement costs for controlling the drug problem in Canada amount to $5 billion annually. The current strategies targeting IDU have limited efficacy with reducing emergency department visits, limiting HIV/Hep C virus transmission and providing accessible health care. This paper makes the case for safe injection facilities (SIF) as a means to improve IDU health outcomes, while reducing health care expenditures, decreasing public injecting and having no impact on crime rates. This topic is of particular concern now that the Conservative government is in the process of trying to pass bill C-2 to modify the Controlled Drugs and Substance Act making exemptions for SIF inaccessible. This is occurring while leading researchers in the field are applying for an exemption for such a facility in Ottawa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,474

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,299
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations3
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueUniversity of Ottawa Journal of MedicineMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207