2019 Undergraduate Big Data Challenge: Big Data of Recreational Drugs
Notice bibliographique
Résumé
This paper aims to determine if the legalization of recreational cannabis in Colorado and Washington has had an impact on the trends of opioid overdose deaths in these states.Datasets were collected from organizations including the National Survey on Drug Use and Health (NSDUH) and the Centers for Disease Control and Prevention (CDC).The central target of analysis from these datasets is the number of opioid overdose deaths prior to and after the year of recreational cannabis legalization.This analysis is performed using linear and quadratic regression models, comparing the projections of the number of opioid overdose deaths made prior to the year of legalization with the actual number of opioid overdose deaths following legalization.Linear regression models were primarily used with the exception of cases in which a quadratic regression model represented the data more accurately.A confidence interval of 95% was used for the model projection.Through these methods, the authors found that there was no significant correlation between opioid overdose deaths in Colorado and Washington and the legalization of recreational cannabis.While the actual data of opioid overdose deaths did trend downward in most cases following cannabis legalization, it did not decrease to such an extent that it could not be explained by an error in the model: the data did not fall outside of the confidence interval.The downward trend of the actual data appears to closely follow the previously existing downward trend and varies little from the projections made before the legalization of recreational cannabis.Although the actual data displays a downward trend, the models suggest that the trend is upwards overall.Despite the lack of a strong correlation, it may be too recent to draw a definite conclusion.As more data is collected and more locations legalize cannabis for recreational use, revisiting the topic may yield different conclusions.
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 | 0,014 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».