MétaCan
Menu
Retour à la cohorte
Enregistrement W4383824908 · doi:10.1177/11782218231185214

Harm Reduction Strategies for Severe Alcohol Use Disorder in the Context of Homelessness: A Rapid Review

2023· review· en· W4383824908 sur OpenAlexafffund
Gabriela Novotná, Erin Nielsen, Rochelle Berenyi

Notice bibliographique

RevueSubstance Abuse Research and Treatment · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of Regina
Organismes subventionnairesUniversity of Regina
Mots-clésAlcohol use disorderHarm reductionContext (archaeology)PsychiatryHarmVulnerability (computing)Environmental healthMedicinePublic healthPsychologyAlcoholNursingSocial psychologyComputer security

Résumé

récupéré en direct d'OpenAlex

Severe alcohol use disorder (AUD) in the context of housing instability remains one of the most complex health and social issues. Homelessness is related to increased vulnerability to stigma, marginalization and harmful ways of alcohol consumption, including non-beverage alcohol use (NBA). As a result, severe intoxication, alcohol poisoning, injury and death are common occurrences. Although harm minimization strategies have been readily proposed and examined in the context of drug use, applying the same principles to severe AUD remains controversial within the research and treatment community. This article summarizes the emerging research on managed alcohol programs to increase awareness about alcohol-related strategies that address severe AUD and provide other wrap-around supports such as housing, health and social services to mitigate various harms, including COVID-19.

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)0,002
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,401
Tête enseignante GPT0,535
Écart entre enseignants0,134 · 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'étudeAutre devis
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSubstance Abuse Research and TreatmentMême sujetHomelessness and Social IssuesTravaux en français237 207