MétaCan
Menu
Retour à la cohorte
Enregistrement W3007913243 · doi:10.5539/ijps.v12n1p42

Purple Drank, Sizurp, and Lean: Hip-Hop Music and Codeine Use, A Call to Action for Public Health Educators

2020· article· en· W3007913243 sur OpenAlexvenueno aff
Naa-Solo Tettey, Khizar Siddiqui, Hasmin Llamoca, Steven Nagamine, Soomin Ahn

Notice bibliographique

RevueInternational Journal of Psychological Studies · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLyricsPsychologyPopular musicPsychological interventionAdvertisingPsychiatryLiteratureArt

Résumé

récupéré en direct d'OpenAlex

The opioid epidemic continues to create various public health challenges in the United States. Non-medical use of opioids is increasing at alarming rates and has been glamorized through popular media including television, movies, and music. One particular area of concern is the promotion in hip-hop music of the use of codeine mixed with promethazine, also known as “lean.” In recent years, this drug combination has proven to be lethal with many hip-hop artists dying from overdoses involving lean while others have suffered from adverse health consequences such as seizures. Because the hip-hop music audience is primarily comprised of youth who often represent vulnerable and social disadvantaged populations, it is imperative to develop interventions that counteract the negative influence of such songs. The purpose of this study is to review the lyrics of popular hip-hop songs that mention lean and determine common themes within these songs that can be used to guide future interventions. To identify these themes, the lyrics of 40 hip-hop songs were evaluated by four independent coders. 8 themes emerged and the frequency in which these themes appeared in the song lyrics was calculated. These themes are the use of lean with another drug (37.5%), the general mention of lean without a connection to a behavior, activity, emotion, or another substance (27.5%), the use of lean during sexual activity (15%), the use of lean with soda (12.5%), the use of lean to help with sleep (5%), the use of lean as an alternative to alcohol (5%), the use of lean while driving (5%), and the use of lean for mental distress (5%). These results demonstrate that there are various aspects of lean use that require further investigation. Furthermore, these results serve as a call to action for public health practitioners to create culturally tailored interventions to address this issue.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil0,365

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,317
Tête enseignante GPT0,469
Écart entre enseignants0,152 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Psychological StudiesMême sujetOpioid Use Disorder TreatmentTravaux en français237 207