MétaCan
Menu
Retour à la cohorte
Enregistrement W2144589748 · doi:10.3126/jpan.v3i2.12379

Cannabis, Lord Shiva and Holy Men: Cannabis Use Among Sadhus in Nepal

2015· article· en· W2144589748 sur OpenAlexaboutno aff
Sujata Acharya, John Howard, Samrat Panta, S S Mahatma, Jan Copeland

Notice bibliographique

RevueJournal of Psychiatrists Association of Nepal · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCannabisHonourTraditional medicineMedicineHinduismPsychiatryQuarter (Canadian coin)HarmEnvironmental healthGeographyPsychologyReligious studiesSocial psychology

Résumé

récupéré en direct d'OpenAlex

Background: Despite being illegal in Nepal, cannabis grows wild, is cultivated, readily available and often consumed during religious festivals, such as those in honour of the Hindu god Shiva. Holy men (sadhus) also consume cannabis to aid meditation, and many are believed to suggest that as a substance favoured by Lord Shiva, and, as such, should be used. However, there are concerns that all cannabis use in Nepal is not benign, and that there are negative health and social consequences from its use for some consumers. Objectives: This study sought the views of sadhus in Nepal.Method: During the major Shiva festival at Pashupathinath temple complex in Kathmandu, Nepal, 200 sadhus were surveyed. Results: Most used cannabis daily, a quarter believed cannabis and its use to be legal in Nepal, and a further ten percent were unsure, about one third believed cannabis should be used by Hindus, but only fourteen believed Lord Shiva promoted its use. Those less educated and from the Naga sect were more likely to hold such views, and provide cannabis to devotees. Conclusions: Sadhus with evidence-based information about cannabis and its potential harms can play an important role in assisting to reduce harm and facilitate engagement in treatment. J Psychiatric Association of Nepal Vol .3, No.2, 2014, pp:9-14DOI: http://dx.doi.org/10.3126/jpan.v3i2.12379

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil0,781

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,304
Écart entre enseignants0,285 · 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'étudeObservationnel
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

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Psychiatrists Association of NepalMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207