HOMENS EM SITUAÇÕES DE TRATAMENTO DAS DROGAS: o perfil do interno
Notice bibliographique
Résumé
Introduction: In democratic countries, the policies used for drug abuse were initiated through the criminalization and medicalization discourse, in which the user is the responsibility of the state and the judiciary, and most of the time is subjected to hospitalization through excess. Trying to establish actions that go beyond health care, where in 1986 the Ottawa Charter puts health on the priority agenda of politicians and leaders at all levels and sectors, drawing their attention to the consequences their decisions can have on health and to accept their political responsibilities to health. Objective: To identify the profile of inmates in drug treatment situations in a city in the interior of Minas Gerais State, Brazil. Methodology: This is a descriptive quantitative and qualitative approach study with men who used drugs and are undergoing treatment in a Chemical Dependency Clinic restricted to male care with 100 inmates. Considerations: Sixty-one men aged 12 to 61 years participated in the study, where most inmates (38%, n = 28) are in the age group of 31 to 40 years, followed by 18% (n = 11) with 25 to 30 years. Length of stay varies from 10 days to 4 years, where 49% (n = 30) are hospitalized within 1 month to 3 months, followed by 30% (n = 18) within 4 to 6 years. months. Regarding lifetime use, alcohol and tobacco were identified as the most commonly used drugs over time (92%, n = 56 for both), followed by cannabis 84% ??(n = 51), cocaine and / or crack, anxiolytics, hypnotics and sedatives 75% (n = 46 for both drugs), inhalants 52% (n = 32), hallucinogens 33% (n = 20), stimulants such as amphetamines and escstasy 26% (n = 16) and opioids 11% (n = 7). This study showed that alcohol and tobacco, being legal and highly stimulated drugs in the media, make the use of it intensely compared to illegal ones. This use too is surely the gateway to the dependency. Given this identified problem, we realize the need for greater intervention by public policies, focusing not only on illicit drugs, but especially in relation to alcohol and tobacco.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».