MétaCan
Menu
Retour à la cohorte
Enregistrement W2903417556 · doi:10.2105/ajph.2018.304767

Where Is the Opioid Use Epidemic in Mexico? A Cautionary Tale for Policymakers South of the US–Mexico Border

2018· article· en· W2903417556 sur OpenAlexaboutno aff
David Goodman‐Meza, María Elena Medina‐Mora, Carlos Magis‐Rodríguez, Raphael J. Landovitz, Steven Shoptaw, Dan Werb

Notice bibliographique

RevueAmerican Journal of Public Health · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institute on Drug AbuseNational Center for Advancing Translational SciencesNational Institute of Mental Health
Mots-clésHeroinHarm reductionMedicinePublic healthOpioidLegislatureHarmPsychological interventionEnvironmental healthOpioid use disorderGeographyPsychiatryPolitical scienceDrug

Résumé

récupéré en direct d'OpenAlex

In North America, opioid use and its harms have increased in the United States and Canada over the past 2 decades. However, Mexico has yet to document patterns suggesting a higher level of opioid use or attendant harms.Historically, Mexico has been a country with low-level use of opioids, although heroin use has been documented. Low-level opioid use is likely attributable to structural, cultural, and individual factors. However, a range of dynamic factors may be converging to increase the use of opioids: legislative changes to opioid prescribing, national health insurance coverage of opioids, pressure from the pharmaceutical industry, changing demographics and disease burden, forced migration and its trauma, and an increase in the production and trafficking of heroin. In addition, harm-reduction services are scarce.Mexico may transition from a country of low opioid use to high opioid use but has the opportunity to respond effectively through a combination of targeted public health surveillance of high-risk groups, preparation of appropriate infrastructure to support evidence-based treatment, and interventions and policies to avoid a widespread opioid use epidemic.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,161
Score d'incertitude au seuil0,690

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,039
Tête enseignante GPT0,360
Écart entre enseignants0,320 · 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

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Public HealthMême sujetOpioid Use Disorder TreatmentTravaux en français237 207