NBOMe Compounds: Systematic Review and Data Crunching of the Surface Web
Notice bibliographique
Résumé
BACKGROUND: NBOMe compounds, some of which commercially known as “N-Bomb” or “Smiles” signifying their potency, represent a uniquely potent group of phenethylamine derivatives. These have been recently used in the past decade for their powerful hallucinogenic properties to induce a “psychedelic trip”.METHODS: This study is an analytics of the surface web incorporating data from; the published literature, grey literature, drug fora, and trends’ databases. The study aims to review the pharmacodynamic effects of three most popular N-Bombs (25b, 25c, and 25i), analyse reported cases of intoxications and fatalities, and correlate these incidents with data retrieved from Google Trends.RESULTS: The potency and popularity of NBOMe compounds are tallied worldwide, 25b-NBOMe (least potent and least popular), 25i-NBOMe (most potent and most popular), while the 25c-NBOMe is in the middle. The popularity of each has been on the rise since 2011-2012, these compounds are most popular in the United States and the United Kingdom, while data from the developing world and the densely-populated India and China are either lacking or inadequate. The reported cases of intoxications and deaths were statistically proven to be correlated with the trends’ dataCONCLUSION: Inferential statistical information has associated cases of NBOMe(s)’ morbidities-mortalities with the public interest of surface web users in these hallucinogens. This study can serve a blueprint for an early warning system to be activated based on changes in trends’ data.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».