An Ethical Analysis of Safe Supply
Notice bibliographique
Résumé
Opioid overdose deaths in the United States have been steadily increasing for decades. Initially, these deaths were driven by overdoses from prescription opioids. Strict limits were placed on opioid prescriptions to decrease the supply of available opioids. Instead, this prompted a shift toward the illicit opioid market, causing an increase in heroin-related overdoses. Fentanyl, a synthetic opioid that is more potent than heroin, has become commonplace in the illicit supply of opioids. The illicit opioid market is unregulated and unpredictable, and there is no way to know exactly what is in a bag sold as heroin or “dope”. Illicit drug use has been historically dealt with as a crime rather than a public health issue in the United States. Recently, harm reduction has been offered as an alternative to this punitive approach. Harm reduction is a set of practical strategies and ideas aimed at reducing negative consequences associated with drug use. Naloxone distribution and syringe service programs are examples of currently utilized harm reduction strategies in the United States. While these programs are necessary to improve the quality of life of people who use illicit drugs, the rates of death from overdose are continuing to increase. These strategies do not protect people from the toxic and unpredictable drug supply. Safe supply is a relatively new concept, but there have been some small-scale implementations of this practice in Canada. Safe supply refers to a legal and regulated supply of drugs with mind and body-altering properties that traditionally have been accessible only through the illicit drug market. This is a necessary strategy to combat the alarming rise in overdose mortality. In this paper, I will analyze the ethics of this strategy using a principalism approach. This analysis concludes that safe supply is ethically sound, and it should be a part of our approach to the overdose epidemic. Safe supply promotes autonomy, prevents harms, advances well-being, and upholds justice for people who use drugs.
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 | 0,043 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,039 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,012 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».