Notice bibliographique
Résumé
Supervised injection facilities (SIFs) are promising in the reduction of opioid overdoses — at least in the only two sites in the world where they have been studied — according to a January report issued by the Institute for Clinical and Economic Review (ICER). The report, a literature search, noted that there are no randomized controlled trials that would make it possible to compare SIFs, currently illegal in the United States, with syringe services programs, which are not only legal in most states but can receive federal funding. The ICER did find that SIFs are associated with a reduction of opioid overdoses in Vancouver, Canada, and Sydney, Australia. Whether they should open in the United States as a way to combat opioid overdose deaths is a subject of controversy. We asked Beau Kilmer, Ph.D., McCauley Chair in Drug Policy Innovation at RAND and director of the RAND Drug Policy Research Center, a top expert in the United States on the topic, to review the executive summary for us, which he kindly did. “I think they did a good job of highlighting (1) the issues with generalizability — the vast majority of the published research comes from two sites, and most of this research was conducted before illegally produced fentanyl hit the streets — and (2) the lack of strong research designs in many of these studies,” he told ADAW . Another review of the literature, published in Addiction in 2019, for which Kilmer was corresponding author, concluded:
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».