MétaCan
Menu
Retour à la cohorte
Enregistrement W2511883997 · doi:10.1080/1067828x.2015.1115795

Nonmedical Use of Prescription Opioids and Injury Risk Among Youth

2016· article· en· W2511883997 sur OpenAlexaffabout
Ariel Pulver, Colleen Davison, Alyssa S. Parpia, Eva Purkey, William Pickett

Notice bibliographique

RevueJournal of Child & Adolescent Substance Abuse · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensKingston General HospitalQueen's UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionDemographicsMedicineSubstance abuseOpioidInjury preventionRecreationOpioid abusePsychiatryPoison controlEmergency medicineInternal medicineDemographyPharmacology

Résumé

récupéré en direct d'OpenAlex

This study examined relations between prescription opioid abuse and risk of injury among grade 9–10 students in the nationally representative Canadian Health Behavior in School-Aged Children study (weighted N = 9,974). Students were asked about past-year injury, the activity when the injury occurred, and recreational opioid use. Injury among users was twice that of nonusers and was more frequently fighting-related. Prescription opioid misuse was associated with a moderate increase in serious injury risk adjusted for demographics, peer drug use, and other substance use. Explanations may include physiological effects of opioids, multiple risk-taking tendencies, and inadequate parental supervision.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,321
Score d'incertitude au seuil0,639

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,262
Écart entre enseignants0,244 · 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'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

Citations12
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Child & Adolescent Substance AbuseMême sujetInjury Epidemiology and PreventionTravaux en français237 207