Legal approaches and government policies enacted to address the overdose epidemic: a scoping review protocol
Notice bibliographique
Résumé
OBJECTIVE: The objective of this scoping review is to map different past and present legal approaches and government policies that have an intended or unintended effect on the ongoing overdose epidemic. INTRODUCTION: In response to the current overdose epidemic, a number of different legal approaches and government policies have been implemented regarding prescription drugs, illicit substances, and drug use. Additionally, other legal approaches and government policies that do not directly target the overdose crisis (eg, cannabis legalization) may have unintentional effects on opioid use-related harms. The findings of this review will inform policy-makers and individuals working at the forefront of the overdose crisis to help them anticipate the consequences of legal approaches already in place or those that have been recently implemented. INCLUSION CRITERIA: This review will include all legal approaches or government policies that have an intended or unintended effect on the overdose epidemic or on opioid use-related harms or mortality. Only studies published in English from 2000 onward will be included. METHODS: We will search health sciences databases, legal databases, and social sciences databases to ensure comprehensive identification of studies across disciplines. Two independent team members will screen titles and abstracts, and review full-text articles for potential inclusion. One team member will extract data for all studies, and a second team member will verify the data extraction. The results will be presented as a narrative synthesis and in tabular or diagrammatic form.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».