MétaCan
Menu
Retour à la cohorte
Enregistrement W4414402505 · doi:10.22215/cujs.v5i2.5323

Substance Use and Long-Haul Truckers

2025· article· en· W4414402505 sur OpenAlexaffabout
Rachael Goenaga, Shawna Meister, Sarah McIlwaine, John R. Weekes

Notice bibliographique

RevueCarleton undergraduate journal of science. · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensCanadian Centre on Substance Use and AddictionCarleton University
Organismes subventionnairesnon disponible
Mots-clésSubstance useHarmTruckWork (physics)AddictionStigma (botany)Substance abuse

Résumé

récupéré en direct d'OpenAlex

In safety-sensitive industries where the risk of harm to individuals and to others is high, substance use is a serious issue. In Canada, long-haul truck drivers hold safety-sensitive positions and require tailored supports to manage substance use in the workplace. Addressing this issue involve several laws: the Highway Traffic Act, the Canadian Criminal Code, and Canadian Human Rights Act. Thus, supporting truck drivers is complex requiring balancing laws and work duties. This study builds on previous research by the Canadian Centre on Substance Use and Addiction to gain insights into work-related risks and protective factors for substance use in transportation. While research has focused on sleep and drug/alcohol testing, very few studies have examined workplace substance use policies. This study aims to identify specific risk factors, examine current policies, explore available supports, and understand stigma surrounding substance use for commercial drivers. Findings offer valuable information to improve supports and reduce substance use for drivers.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,293
Écart entre enseignants0,271 · 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'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'admission2
Résumé présentoui

Explorer davantage

Même revueCarleton undergraduate journal of science.Même sujetTransportation Planning and OptimizationTravaux en français237 207