A Survey on the Number of Drug Addicts in the Arab Countries and the Centers of Treatment and After-Care
Notice bibliographique
Résumé
This study aims to identify the numbers of drug users in several Arab countries during the first, second, third, and fourth quarters of 2016, 2017, and 2018, according to available official statistics, and to learn the types and quantities of drugs and psychotropic substances seized in Arab countries according to the official statistics available during the first quarter of 2019. The study also seeks to identify the number of users, distributed according to the type of substance abuse during the first quarter of 2019, according to available official statistics. It also seeks to find out the most important treatment and aftercare centers for addicts in some Arab countries. The researcher uses the descriptive-survey method for statistics of some Arab countries on drug abuse and addiction. This study describes cases of abuse and addiction between 2016 and 2019. It reaches a set of results, one of which is that the number of drug users in 2016 reached 46,942 drug users, in 2017 it reached 126,216 drug users, during 2018 it reached 111,351 users, and the number of drug users during the first quarter of 2019 was 30,897 males and 248 females. Among the recommendations the study makes are the following: To prepare periodic Arab reports on the prevalence of drug abuse within Arab countries and the exchange of data and information between those countries To improve mechanisms for obtaining information on drug abuse in the Arab countries • To strengthen cooperation between Arab countries in the field of drug control
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».