Impacts of COVID-19 on the health of illicit substance users : Preliminary Analysis from Illicit Drug Transaction Data. (Preprint)
Notice bibliographique
Résumé
BACKGROUND While much attention has been given to how COVID-19 patients are treated (or fail to be treated), the impact of the pandemic on illicit drug users remains largely undiscussed. The consequences of COVID-19 on substance users and on the health care system are exposed. OBJECTIVE The aim of this short report is to understand the health issues that illicit drug users may be currently facing following the lockdowns due to the COVID-19 pandemic. METHODS We analysed 262 self-reported submissions of illicit drug transactions on the darkweb. The self-reports include the date of the transaction, the types of illicit drugs bought/sold, and whether the shipment of the illicit drugs succeeded, had issues (ex. unusually long delivery, an error in the type of drug shipped, quantity or concentration of the drug), or failed. RESULTS Between January 1st 2020 and March 21, 2020, deliveries of illicit drug on the darkweb were mostly successful (60% to 100%). Starting on March 21st, the number of shipments that had issues or failed to be delivered increased rapidly and represented a majority of all shipments (79%). CONCLUSIONS The flow of darkweb drugs has been disrupted at the same time as COVID-19 pandemic started to lead to lockdowns. This suggests that the lockdowns could have disrupted the sourcing of illicit drugs, thereby possibly impacting the health of illicit drug users.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».