The Globalization of Addiction Research
Notice bibliographique
Résumé
Over the past decade, the amount and variety of addiction research around the world has increased substantially. Researchers in Australia, Canada, United Kingdom, United States, and western Europe have significantly contributed to knowledge about addiction and its treatment. However, the nature and context of substance use disorders and the populations using drugs are far more diverse than is reflected in studies done in Western cultures. To stimulate new research from a diverse set of cultural perspectives, the National Institute on Drug Abuse (NIDA) has promoted the development of addiction research capacity and skills around the world for over 25 years. This review will describe the programs NIDA has developed to sponsor international research and research fellows and will provide some examples of the work NIDA has supported. NIDA fellowships have allowed 496 individuals from 96 countries to be trained in addiction research. The United Arab Emirates and Saudi Arabia have recently developed funding to support addiction research to study, with advice from NIDA, the substance use disorder problems that affect their societies. Examples from Malaysia, Tanzania, Brazil, Russian Federation, Ukraine, Republic of Georgia, Iceland, China, and Vietnam are used to illustrate research being conducted with NIDA support. Health services research, collaboratively funded by the U.S. National Institutes of Health and Department of State, addresses a range of addiction service development questions in low- and middle-income countries. Findings have expanded the understanding of addiction and its treatment, and are enhancing the ability of practitioners and policy makers to address substance use disorders.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».