MétaCan
Menu
Retour à la cohorte
Enregistrement W3189963089 · doi:10.1111/dar.13373

Using passive surveillance technology for overdose prevention: Key ethical and implementation issues

2021· article· en· W3189963089 sur OpenAlexafffund
Jenna van Draanen, Sampath Satti, Jeffrey Morgan, Laural Gaudette, Rod Knight, Lianping Ti

Notice bibliographique

RevueDrug and Alcohol Review · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of British ColumbiaNatural Sciences and Engineering Research Council of Canada3v Geomatics (Canada)British Columbia Centre on Substance Use
Organismes subventionnairesMichael Smith Health Research BC
Mots-clésTransparency (behavior)Key (lock)LiabilityBusinessInternet privacyComputer securityRisk analysis (engineering)Public relationsMedical emergencyMedicinePolitical scienceComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Passive surveillance technology has the potential to increase safety through monitoring spaces where people are at risk of overdose. One key opportunity for the use of passive surveillance technology to prevent overdose fatality is in bathrooms where people may be using drugs. However, uncertainty remains with regards to how to attain informed consent, implications for data storage and privacy and potential negative socio-legal ramifications for people who use drugs. In addition, there are issues regarding responsibility and liability for the devices. Transparency with regards to data privacy and security may also be needed before bathroom users will feel comfortable with such solutions. In this article, we discuss these issues and offer recommendations to provide a foundation for future research and policy development.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,098
Tête enseignante GPT0,477
Écart entre enseignants0,379 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDrug and Alcohol ReviewMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207