The Evaluation of a Drug Checking Software Platform that Enables Remote Point-of-Care Drug Checking
Notice bibliographique
Résumé
In April 2016, drug-related overdoses were declared a public health emergency in British Columbia, Canada. At the heart of this public health emergency is fentanyl, a synthetic opioid and the most commonly detected drug in illicit drug toxicity deaths. However, the illicit drug supply as a whole has become increasingly unpredictable, especially since the COVID-19 pandemic disrupted British Columbia’s drug supply, leading to complex drug samples containing benzodiazepines and nitazenes, overdose on which is not reversed by naloxone, the opioid overdose reversal drug as they are not opioids. One harm reduction response to the overdose crisis is drug checking, a process in which a sample of an illicit drug is analyzed to determine its chemical composition. However, access to drug checking is not universal, and the implementation of drug checking services is hindered by several barriers, such as the need for skilled technicians to analyze drug checking data. In this thesis, I describe research I conducted to evaluate a drug checking software platform that facilitates the distributed drug checking model, a model by which drug checking is performed without skilled technicians being geographically present. The research conducted in this thesis comprises two studies: a heuristic evaluation of the software and semi-structured interviews with harm reduction service providers and service users. These two studies lead to three main contributions, which are: (1) a set of usability problems with the software platform and various fixes for them, (2) a set of barriers and facilitators that are associated with the distributed model of drug checking and the software platform, and (3) a set of design considerations for a self-service drug checking kiosk, which is a potential future iteration of the software platform.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».