MétaCan
Menu
Retour à la cohorte
Enregistrement W4412136694 · doi:10.17480/psk.2025.69.3.233

Comparison of the Collection Status of Unused Medicines Domestically and Internationally and Derivation of Policy Implications

2025· article· en· W4412136694 sur OpenAlexaboutno aff
Ho jung Ryu, Soobeen 박수빈Park, Reena Kee, Ha‐Lim Jeon

Notice bibliographique

RevueYakhak Hoeji · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness

Résumé

récupéré en direct d'OpenAlex

Improper disposal of unused or expired medications poses significant risks to public health and the environment. In South Korea, pharmaceutical waste management is regulated at the municipal level through local ordinances, resulting in inconsistent practices and fragmented regulations. This study compared South Korea’s system with those of the United States, Canada, and Australia, where federal or state laws ensure more systematic and uniform management. In 2021, South Korea’s per capita pharmaceutical waste collection rate (0.008 kg) was lower than Canada’s (0.0123 kg) and Australia’s (0.031 kg). Among South Korean regions, Sejong Special Self-Governing City achieved the highest per capita collection rate (0.0388 kg), likely due to an efficient collection process. The study identified key challenges, including low public awareness, inadequate promotion of proper disposal practices, and the absence of an integrated regulatory framework. To overcome these challenges, this study suggests implementing unified national regulations, developing systematic programs, and strengthening collaboration among key stakeholders. These measures are anticipated to enhance the efficiency of pharmaceutical waste collection systems in South Korea, providing a foundation for public health promotion and environmental protection.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,054
Tête enseignante GPT0,369
Écart entre enseignants0,315 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYakhak HoejiMême sujetPharmaceutical Economics and PolicyTravaux en français237 207