A comparison of different methods for estimating the prevalence of problematic drug misuse in Great Britain
Notice bibliographique
Résumé
AIMS: The European Monitoring Centre for Drugs and Drug Addiction (EMCDDA) has produced methodological guidelines for national drug prevalence estimation. This paper pilots the methods to estimate prevalence for Great Britain and provides a commentary on the methods and resulting estimates. DESIGN: Three types of methodology were used to estimate prevalence: (a) the multiple indicator (MI) method, (b) multipliers applied to (i) drug-treatment records (ii) HIV estimates and (iii) mortality statistics and (c) the British/Scottish Crime Surveys. SETTING: England, Scotland and Wales. PARTICIPANTS: Aggregated data on people recorded on databases and respondents in household surveys. MEASUREMENTS: Prevalence estimates of different forms of problematic drug use. FINDINGS: The estimates are 161,133 (range: 120,850-241,700) for people at risk of mortality due to drug overdose; 161,000-169,000 for people who have ever injected drugs; 202,000 (range: 162,000-244,000) problem opiate users and 268,000 problem drug users (all types). CONCLUSIONS: The multiple indicator method offers a comprehensive approach to estimating the prevalence of problematic drug use in the United Kingdom. Simple multiplier methods and household surveys also provide a range of estimates corresponding to different types of drug use in the United Kingdom. The current study suggests that previous national estimates of 100,000-200,000 were conservative. The new estimate of 161,000-266,000 should enable a more focused response. For further development of this method, reliable and timely estimates of anchor points are required for specific geographical areas such as cities or Drug Action Teams (DAT), as well as routine aggregation of drug indicators for these areas.
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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».