Identification of Optimal Measures of Human Abuse Potential
Notice bibliographique
Résumé
BACKGROUND: Human abuse potential studies include multiple measures to assess the subjective effects of central nervous system-active drugs. In this retrospective analysis, measurement properties of commonly used measures were assessed, and factor analysis was conducted to identify a core battery of measures. METHODS: Measures of positive, negative and other effects, for example, bipolar "at-the-moment" Drug Liking visual analog scale (VAS), were derived for active controls and placebo from 19 studies in recreational drug users (N = 570). Distribution, placebo response, variability, convergent/discriminant validity, parameter effect sizes (eg, maximum effect [Emax], time-averaged area under the effect curve), and predictive validity were evaluated. A factor analysis was conducted with 9 studies. RESULTS: Most parameters were not normally distributed. Bipolar VAS exhibited the lowest variability. Drug Liking VAS Emax was very sensitive, showed large effect sizes (>1.0), and was moderately to strongly correlated with Emax of other positive effects measures (r > 0.5), but weaker with less specific scales (eg, high, Any Effects VAS); time-averaged area under the effect curve showed higher variability and lower effect sizes. Maximum effect at any dose (EmaxD) was significantly correlated with Emax across all selected measures and showed higher effect sizes. In the overall factor analysis, factors could be categorized into positive effects/euphoria (77% of variance), negative effects (17.9%), and pharmacologic effects (5%). For predictive validity, effect sizes for Drug Liking VAS Emax/EmaxD were moderately correlated with postmarket adverse events related to abuse (R = 0.52). CONCLUSIONS: A core battery of 7 subjective measures was proposed, with additional measures added based on pharmacologic effects.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».