MétaCan
Menu
Retour à la cohorte
Enregistrement W2800310891 · doi:10.1111/dar.12616

Substance use and population life expectancy in the USA: Interactions with health inequalities and implications for policy

2018· article· en· W2800310891 sur OpenAlexafffund
Sameer Imtiaz, Charlotte Probst, Jürgen Rehm

Notice bibliographique

RevueDrug and Alcohol Review · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesH. Lundbeck A/SCentre for Addiction and Mental Health
Mots-clésLife expectancyMedicineDemographyMortality ratePrescription drugPopulationMedical prescriptionEnvironmental healthGerontologySociologyPharmacologySurgery

Résumé

récupéré en direct d'OpenAlex

Life expectancy at birth for the USA has not increased in recent years. This commentary assesses the impact of substance use on this phenomenon. Although crude mortality rates of the most important causes of death (such as cardiovascular diseases or cancer) have declined between 2010 and 2014, crude mortality rates of drug- and alcohol-induced causes of death have increased. Alcohol use, non-medical prescription drug use (especially prescription opioid use) and illicit drug use have likely played a crucial role in life expectancy trends of the past years. Importantly, the current mortality crisis due to substances is disproportionately borne in lower socio-economic strata. As such, policies should reduce this impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,226
Tête enseignante GPT0,526
Écart entre enseignants0,300 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations22
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDrug and Alcohol ReviewMême sujetGlobal Health Care IssuesTravaux en français237 207