The Preferred Terminology Implemented by Psychedelic Users Existing on Online Platforms: A Cross-sectional Analysis
Notice bibliographique
Résumé
BACKGROUND: The epidemiologic magnitude of the NPS (ab)use has been thoroughly explored and geographically mapped in the developed world. However, there are still untapped geographic locations primarily in the developing countries including the Middle East. Historically, mapping has been done via observational analytics, cross-sectionally and longitudinally, in addition to few experimental studies.MATERIALS & METHODS: The study is cross-sectional; it will implement the internet snapshot technique, in addition to the application of thematic analysis and psychoanalysis of comments of NPS (ab)users on the online drug fora and social communication media. The data collected will be analysed for the purpose of concluding a statistical inference in relation to the terms most preferred by substance (ab)users towards hallucinogenic substances.RESULTS: The population was dominated by right-handed males; most of which were either heterosexual or bisexual. Psychedelics users have a preference for specific terms; psychedelic (73%), entheogen (12%), hallucinogen (11%), spiritual aids (3%), mysticomimetic (1%), psychotomimetic (<1%), medicines (<1%), and trip (<1%). Right-handed users who used the term psychedelic were a majority (53%), while right-handed individuals using the terms entheogen and hallucinogen contributed to 8% for each.CONCLUSION: This study is in line with other studies confirming the minute contribution of the Middle East to the global NPS phenomenon. Additional studies are mandatory for different populations including; students, academics and researchers, medical professionals, psychiatric patients, military and para-military organisations, delinquent and prisoners, and even terrorists.
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 | 0,003 | 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 | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».