MétaCan
Menu
Retour à la cohorte
Enregistrement W2615424300 · doi:10.1186/s12954-017-0154-1

Supervised injection facilities in Canada: past, present, and future

2017· review· en· W2615424300 sur OpenAlexafffundabout
Thomas Kerr, Sanjana Mitra, Mary Clare Kennedy, Ryan McNeil

Notice bibliographique

RevueHarm Reduction Journal · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of British ColumbiaBritish Columbia Centre on Substance UseOntario HIV Treatment NetworkSt. Paul's HospitalUniversity of British Columbia Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth psychologySocial policyPublic healthHealth services researchMedicineEnvironmental healthPolitical scienceNursingLaw

Résumé

récupéré en direct d'OpenAlex

Canada has long contended with harms arising from injection drug use. In response to epidemics of HIV infection and overdose in Vancouver in the mid-1990s, a range of actors advocated for the creation of supervised injection facilities (SIFs), and after several unsanctioned SIFs operated briefly and closed, Canada's first sanctioned SIF opened in 2003. However, while a large body of evidence highlights the successes of this SIF in reducing the health and social harms associated with injection drug use, extraordinary efforts were needed to preserve it, and continued activism by local people who inject drugs (PWID) and healthcare providers was needed to promote further innovation and address gaps in SIF service delivery. A growing acceptance of SIFs and increasing concern about overdose have since prompted a rapid escalation in efforts to establish SIFs in cities across Canada. While much progress has been made in that regard, there is a pressing need to create a more enabling environment for SIFs through amendment of federal legislation. Further innovation in SIF programming should also be encouraged through the creation of SIFs that accommodate assisted injecting, the inhalation of drugs. As well, peer-run, mobile, and hospital-based SIFs also constitute next steps needed to optimize the impact of this form of harm reduction intervention.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil0,369

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,012
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,127
Tête enseignante GPT0,378
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations248
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHarm Reduction JournalMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207