Roadside screening tests for cannabis use: A systematic review
Notice bibliographique
Résumé
As more countries legalize recreational cannabis, roadside screening programs are imperative to detect and deter driving under the influence of cannabis. This systematic review evaluated roadside screening tests for cannabis use. We searched six databases (inception-March 2020) and grey literature sources for primary studies evaluating test characteristics of roadside screening tests for cannabis use compared to laboratory tests for cannabinoids in blood or oral fluid. The synthesis was focused on sensitivity and specificity of delta-9-tetrahydrocannabinol (THC) detection. 101 studies were included. Oral fluid tests were higher in specificity and lower in sensitivity compared to urine tests when evaluated against blood laboratory tests. Oral fluid tests were higher in sensitivity and similar in specificity compared to observational tests when evaluated against blood and oral fluid laboratory tests. Sensitivity was variable among oral fluid tests; two instrumented immunoassays (Draeger DrugTest 5000 [5 ng/mL THC cut-off] and Alere DDS 2 Mobile Test System) appeared to perform best, but definitive conclusions could not be drawn due to imprecise estimates. Specificities were similar. Overall, oral fluid tests showed the most promise for use in roadside screening for blood THC levels over legal limits; their continued development and testing are warranted. Urine tests are generally inadvisable, and observational tests require sensitivity improvements.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».