MétaCan
Menu
Retour à la cohorte
Enregistrement W4411467129 · doi:10.1007/s40429-025-00671-6

Procurement Pathways of Illegal Substances in Germany: A Systematic Review with Implications for Prevention, Harm Reduction, and Drug Policy

2025· review· en· W4411467129 sur OpenAlexaboutno aff
Lena Hammerl, Theresa Halms, Andrea Rabenstein, Tobias Rüther, Alkomiet Hasan, Marcus Gertzen

Notice bibliographique

RevueCurrent Addiction Reports · 2025
Typereview
Langueen
DomaineComputer Science
ThématiqueCybercrime and Law Enforcement Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessProcurementSocial mediaHarm reductionPublic relationsPolitical scienceMedicineMarketingPublic health

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose of Review Illegal substance use is a global issue with significant health, social, and economic consequences, and Germany is no exception. This systematic review examines drug procurement methods in Germany, focusing on their mechanisms, market dynamics, and associated health risks, aiming to synthesize existing research on drug acquisition methods. By identifying key trends and gaps in the literature, this review provides a foundation for future research, and includes discussions of harm reduction strategies and policy interventions. Recent Findings A systematic search of MEDLINE, Embase, and Web of Science identified papers published in English or German between January 2009 and May 2024. Eleven studies (six qualitative, five quantitative) met the inclusion criteria, assessed using the Critical Appraisal Skills Program and Newcastle–Ottawa Quality Assessment Tool. Key findings revealed diverse procurement routes: cryptomarkets, street-based markets, self-cultivation, and social supply networks. Cryptomarkets, virtual marketplaces accessed via the Darknet and using cryptocurrency for transactions, ensure buyer anonymity and offer global reach with trust built through reviews and secure transactions. In contrast, street markets rely on interpersonal trust and geographic proximity. Social networks facilitate non-commercial sharing, especially of cannabis. Despite their potential, the role of social media in drug distribution remains underexplored in Germany. The COVID-19 pandemic highlighted market adaptability, with cryptomarkets navigating disruptions more effectively than street-based markets. Drug quality varied, with cryptomarkets often offering higher purity due to reputation-based incentives. Summary The procurement of illegal substances in Germany reflects a dynamic interplay of online and offline mechanisms. While cryptomarkets offer anonymity and quality control advantages, street markets continue to serve as vital supply points. Social supply networks and self-cultivation further diversify procurement routes. Despite these insights, the review identified significant research gaps, including gender-specific dynamics, the impact of cannabis legalization, and differences in drug quality across channels. This study underscores the complexity of Germany’s drug markets, emphasizing the need for targeted research to address these gaps. Expanding knowledge in this area could inform harm reduction strategies and policy interventions tailored to Germany’s unique drug procurement landscape.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,069
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0160,017
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,046
Tête enseignante GPT0,356
Écart entre enseignants0,310 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Addiction ReportsMême sujetCybercrime and Law Enforcement StudiesTravaux en français237 207