MétaCan
Menu
Retour à la cohorte
Enregistrement W2962637550 · doi:10.1111/add.14734

<i>Drug Policy and the Public Good</i>: a summary of the second edition

2019· article· en· W2962637550 sur OpenAlexaff
Thomas F. Babor, Jonathan P. Caulkins, Benedikt Fischer, David Foxcroft, María Elena Medina‐Mora, Isidore Obot, Jürgen Rehm, Peter Reuter, Robin Room, Ingeborg Rossow, John Strang

Notice bibliographique

RevueAddiction · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensCentre for Addiction and Mental HealthUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDecriminalizationLegalizationHarm reductionDrug controlPublic healthInterdictionUnintended consequencesIllicit drugMedical prescriptionDrugHarmPsychological interventionLaw enforcementScientific evidenceDeterrence theoryMedicinePublic policyPublic economicsPolitical sciencePsychiatryPharmacologyLawEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The second edition of Drug Policy and the Public Good presents up‐to‐date evidence relating to the development of drug policy at local, national and international levels. The book explores both illicit drug use and non‐medical use of prescription medications from a public health perspective. The core of the book is a critical review of the scientific evidence in five areas of drug policy: (1) primary prevention programs in schools and other settings; (2) treatment interventions and harm reduction approaches; (3) attempts to control the supply of illicit drugs, including drug interdiction and law enforcement; (4) penal approaches, decriminalization and other alternatives; and (5) control of the legal market through prescription drug regimens. It also discusses the trend towards legalization of some psychoactive substances in some countries and the need for a new approach to drug policy that is evidence‐based, realistic and coordinated. The accumulated evidence provides important information about effective and ineffective policies. Shifting the emphasis towards a public health approach should reduce the extent of illicit drug use, prevent the escalation of new epidemics and avoid the unintended consequences arising from the marginalization of drug users through severe criminal penalties.

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)0,000
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,015
Tête enseignante GPT0,273
Écart entre enseignants0,259 · 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'étudeSans objet
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

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207