MétaCan
Menu
Retour à la cohorte
Enregistrement W2980124153 · doi:10.5114/ain.2019.87624

Authoritarianism, attitudes towardharm reduction and the stigmatisation of people who use drugs

2019· article· en· W2980124153 sur OpenAlexaboutno aff
Geoff J. Bathje, Daniel Pillersdorf, Steve N. Du Bois

Notice bibliographique

RevueAlcoholism and Drug Addiction · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuthoritarianismHarm reductionAddictionHarmDrugPsychologyPsychiatryPublic healthMedicinePolitical scienceSocial psychologyLawPoliticsNursingDemocracy

Résumé

récupéré en direct d'OpenAlex

Introduction: While much research has been conducted in the past two decades on the stigma of mental health, relatively little has been published on the stigma of drug use and addiction, or attitudes toward harm reduction efforts.Although harm reduction is an approach particularly well suited for reducing the negative outcomes of drug use at a time when overdoses continue to escalate, negative opinions and anti-drug policies often interfere with the operation and funding of such programmes. Material and methods:A diverse group of students in the United States (N = 193) completed an online assessment of authoritarian beliefs, fa-Streszczenie Wprowadzenie: W ciągu ostatnich dwudziestu lat przeprowadzono wiele badań na temat stygmatyzacji osób z problemami zdrowia psychicznego, niewiele jednak na temat stygmatyzacji osób używających narkotyków i od nich uzależnionych oraz postaw wobec działań na rzecz redukcji szkód.Program redukcji szkód szczególnie dobrze służy zmniejszaniu negatywnych skutków używania narkotyków, podejście to jest ważne zwłaszcza w sytuacji stale zwiększającej się liczby osób, które przedawkowują narkotyki.Negatywne opinie i polityka antynarkotykowa często jednak nie sprzyjają realizowaniu i finansowaniu programów redukcji szkód.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,024
Tête enseignante GPT0,296
Écart entre enseignants0,272 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlcoholism and Drug AddictionMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207