MétaCan
Menu
Retour à la cohorte
Enregistrement W3103194122 · doi:10.1016/j.drugpo.2020.103013

Fentanyl analogs on the Swedish webforum flashback: Interest and impact of scheduling

2020· article· en· W3103194122 sur OpenAlexaff
Kim Moeller, Bengt Svensson, Rasmus Munksgaard

Notice bibliographique

RevueInternational Journal of Drug Policy · 2020
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueForensic Toxicology and Drug Analysis
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésFentanylScheduling (production processes)MedicinePsychologyAnesthesiaEngineeringOperations management

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sweden regulates new psychoactive substances, including fentanyl analogs, individually. This reactive scheduling procedure enabled the existence of a recreational market for unscheduled fentanyl analogs sold from surface webshops. We measure the interest in 24 named fentanyl analogs and the impact of scheduling. METHODS: We scraped posts in threads on named fentanyl analogs from the Swedish internet forum Flashback.org, 2012-2019. The sample consists of 24 threads with a total of 8761 posts. We construct five measures of interest based on duration of threads, number of posts, and number of distinct posters, and fit a non-seasonal ARMA model to test if there was a change in mean activity after scheduling. RESULTS: Across the five measures, there was most interest in acryl fentanyl, butyr fentanyl, and acetyl fentanyl. The number of daily posts was significantly reduced in nine out of 13 threads after scheduling. CONCLUSION: The scheduling of fentanyl analogs impacted interest on Flashback.org. The biggest effect sizes were from the narcotics scheduling of 2-Me-MAF, acryl, and acetyl fentanyl, while furanyl fentanyl saw the biggest reduction after health scheduling. The reductions were bigger for narcotics scheduling compared to health scheduling.

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)0,001
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,103
Tête enseignante GPT0,453
Écart entre enseignants0,350 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Drug PolicyMême sujetForensic Toxicology and Drug AnalysisTravaux en français237 207