Ước tính lượng tiêu thụ các chất gây nghiện theo mùa ở cộng đồng dân cư Hà Nội bằng phương pháp WBE
Notice bibliographique
Résumé
Trong những thập kỷ gần đây, phương pháp Dịch tễ học từ phân tích nước thải (Wastewater-Based Epidemiology viết tắt WBE) đã được sử dụng ở nhiều nước trên thế giới nhằm giám sát việc tiêu thụ bất hợp pháp các chất gây nghiện. Nguyên lý của phương pháp là ước tính lượng tiêu thụ các chất gây nghiện sử dụng trong cộng đồng dựa vào việc phân tích dư lượng của các chất này hoặc chất chuyển hoá của chúng trong nước thải. Nghiên cứu đã lấy 121 mẫu tại sông Kim Ngưu theo 4 mùa (mỗi mùa lấy mẫu trong 1 tháng, mỗi ngày lấy 1 mẫu tương ứng 30-31 mẫu/ mùa) và sử dụng phương pháp phân tích trực tiếp bằng hệ thống sắc ký lỏng 2 lần khối phổ (LC-MS/MS) SCIEX 5500 QTrap (Sciex, Concord, Ontario, Canada) có độ nhạy cao (LOQ từ 0,01-0,05 ng/ml) để xác định nồng độ 7 chất chỉ điểm sinh học là amphetamin, methamphetamin methylenedioxymethamphetamin (MDMA), ketamin, codein, morphin, benzoylecgonin. … Kết quả cho thấy, amphetamin hầu hết không được phát hiện trong các mẫu trong khi các chất còn lại đều được phát hiện ở nồng độ>LOQ. Ước tính và đánh giá lượng tiêu thụ theo WBE thu được kết quả có sự khác biệt có ý nghĩa về lượng tiêu thụ theo mùa của các chất gây nghiện MDMA, heroin và cocain trong cộng đồng dân cư nghiên cứu. Các chất gây nghiện điển hình là methamphetamin, MDMA, ketamin, trong đó ketamin đang có lượng tiêu thụ ước tính trung bình cao nhất trong nghiên cứu này.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,026 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».