Source data underlying the results presented in Table 1
Notice bibliographique
Résumé
In 2013, illegal drug use was responsible for 1.8% of years of life lost in the European Union, alcohol was responsible for 8.2% and tobacco for 18.2%, imposing economic burdens in excess of 2.5% of GDP. No single European country has optimal governance structures for reducing the harm done by nicotine, illegal drugs and alcohol, and existing ones are poorly designed, fragmented, and sometimes cause harm. Reporting the main science and policy conclusions of a transdisciplinary five-year analysis of the place of addictions in Europe, researchers from 67 scientific institutions addressed these problems by reframing an understanding of addictions. A new paradigm needs to account for evolutionary evidence which suggests that humans are biologically predisposed to seek out drugs, and that, today, individuals face availability of high drug doses, consequently increasing the risk of harm. New definitions need to acknowledge that the defining element of addictive drugs is ‘heavy use over time’, a concept that could replace the diagnostic artefact captured by the clinical term ‘substance use disorder’, thus opening the door for new substances to be considered such as sugar. Tools of quantitative risk assessment that recognize drugs as toxins could be further deployed to assess regulatory approaches to reducing harm. Re-designed governance of drugs requires embedding policy within a comprehensive societal well-being frame that encompasses a range of domains of well-being, including quality of life, material living conditions and sustainability over time; such a frame adds arguments to the inappropriateness of policies that criminalize individuals for using drugs and that continue to categorize certain drugs as illegal. A health footprint, modelled on the carbon footprint, and using quantitative measures such as years of life lost due to death or disability, could serve as the accountability tool that apportions responsibility for who and what causes drug-related harm.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,080 | 0,145 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».