The Evaluation of a Drug Checking Software Platform that Enables Remote Point-of-Care Drug Checking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In April 2016, drug-related overdoses were declared a public health emergency in British \nColumbia, Canada. At the heart of this public health emergency is fentanyl, a synthetic \nopioid and the most commonly detected drug in illicit drug toxicity deaths. However, the \nillicit drug supply as a whole has become increasingly unpredictable, especially since the \nCOVID-19 pandemic disrupted British Columbia’s drug supply, leading to complex drug \nsamples containing benzodiazepines and nitazenes, overdose on which is not reversed by \nnaloxone, the opioid overdose reversal drug as they are not opioids. One harm reduction \nresponse to the overdose crisis is drug checking, a process in which a sample of an illicit \ndrug is analyzed to determine its chemical composition. However, access to drug checking \nis not universal, and the implementation of drug checking services is hindered by several \nbarriers, such as the need for skilled technicians to analyze drug checking data. In this \nthesis, I describe research I conducted to evaluate a drug checking software platform that \nfacilitates the distributed drug checking model, a model by which drug checking is performed \nwithout skilled technicians being geographically present. The research conducted in this \nthesis comprises two studies: a heuristic evaluation of the software and semi-structured \ninterviews with harm reduction service providers and service users. These two studies lead \nto three main contributions, which are: (1) a set of usability problems with the software \nplatform and various fixes for them, (2) a set of barriers and facilitators that are associated \nwith the distributed model of drug checking and the software platform, and (3) a set of \ndesign considerations for a self-service drug checking kiosk, which is a potential future \niteration 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle