A bibliometric review of drug and alcohol research focused on Indigenous peoples of Australia, New Zealand, Canada and the United States
Notice bibliographique
Résumé
ISSUES: Indigenous peoples of Australia, New Zealand, Canada and the United States experience a disproportionately high burden of harms from substance misuse. Research is therefore required to improve our understanding of substance use in Indigenous populations and provide evidence on strategies effective for reducing harmful use. APPROACH: A search of 13 electronic databases for peer-reviewed articles published between 1993 and 2014 focusing on substance use and Indigenous peoples of Australia, New Zealand, Canada and the United States. Relevant abstracts were classified as data or non-data based research. Data-based studies were further classified as measurement, descriptive or intervention and their trends examined by country and drug type. Intervention studies were classified by type and their evaluation designs classified using the Cochrane Effective Practice and Organisation of Care (EPOC) data collection checklist. KEY FINDINGS: There was a statistically significant increase from 1993 to 2014 in the percentage of total publications that were data-based (P < 0.001). Overall, data-based publications were mostly descriptive for all countries (84-93%) and drug types (74-95%). There were fewer measurement (0-4%) and intervention (0-14%) publications for all countries and the percentage of these did not change significantly over time. Forty-two percent of intervention studies employed an EPOC evaluation design. IMPLICATIONS: Strategies to increase the frequency and quality of measurement and intervention research in the Indigenous drug and alcohol field are required. CONCLUSION: The dominance of descriptive research in the Indigenous drug and alcohol field is less than optimal for generating evidence to inform Indigenous drug and alcohol policy and programs. [Clifford A, Shakeshaft A. A bibliometric review of drug and alcohol research focused on Indigenous peoples of Australia, New Zealand, Canada and the United States. Drug Alcohol Rev 2017;36:509-522].
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,007 |
| Bibliométrie | 0,164 | 0,223 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».