Captagon, Octodrine, and NBOMe: An Integrative Analysis of Trends Databases, the Deep Web, and the Darknet
Notice bibliographique
Résumé
BACKGROUND: Captagon, Octodrine, and NBOMe are unique substances; each represents a chemical category of its own pharmacodynamic and pharmacokinetic properties. Captagon is an amphetamine-type stimulant, while octodrine is a sympathomimetic agent, on the other hand, NBOMe is a hallucinogen (psychedelic substance). However, the mechanism of action for each is exerted via monoamine transporters.MATERIALS & METHODS: This study will explore these substances using an integrative approach via the analysis of the surface and deep web, and a trends database. The aims are; to visualise the extent of diffusion of each substance on the internet, conclude the geo-mapping for the diffusion, to see if the patterns are compatible on both divisions of the web, and to infer data on the basis of the power (authority) for e-vendors on the darknet e-marketplace. This study is a hybrid of cross-sectional and retrospective analyses.RESULTS: Google Trends analyses confirmed that the popularity of captagon is ahead over both NBOMe and octodrine; captagon popularity was correlated with terror attacks in the developed world, particularly in western European countries. The contribution of the developing countries to the diffusion of these substances, including the Middle East, was minimal.CONCLUSION: This study proposes a novel method to analyse the e-markets on the darknet via the use of; analysis of the basis of power, inferential statistics, geo-mapping in parallel with data from Google Trends database. Data from Google Trends can serve as a foundation for data mining techniques for an efficient warning system against an anticipated swarm of intoxications or an attack of terror.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».