Tendances et motivations associées à la polyconsommation de substances : une revue rapide des données qualitatives
Bibliographic record
Abstract
Introduction La polyconsommation (l’usage de plusieurs substances en même temps ou sur une courte période) est une pratique courante chez les personnes qui consomment des drogues. La récente hausse de la mortalité et des surdoses associées à la polyconsommation rend essentielle la compréhension des motivations qui sous-tendent cette tendance. Cette revue visait à résumer les connaissances actuelles sur les raisons pour lesquelles plusieurs substances peuvent être combinées au cours d’un épisode spécifique de consommation de drogues. Méthodes Nous avons effectué une revue rapide de la littérature pour cerner les études empiriques qui décrivent les motivations et les tendances associées à la polyconsommation de substances. Les études incluses ont été publiées entre 2010 et 2021 et repérées au moyen de MEDLINE, Embase, PsycINFO et Google Scholar. Résultats Nous avons inclus 13 études qualitatives ou à méthodes mixtes dans notre analyse. Les substances ont été combinées séquentiellement pour atténuer les symptômes de sevrage ou prolonger un état d’euphorie (« high »). L’usage simultané était motivé par l’intention de contrer ou d’équilibrer les effets d’une substance par ceux d’une autre, d’augmenter un état d’euphorie, de réduire la consommation globale ou de reproduire l’effet d’une autre substance non accessible ou plus coûteuse. L’automédication en vue de soulager un problème de santé était une autre des raisons à un usage séquentiel ou simultané. Conclusion La polyconsommation de substances est souvent motivée par le désir d’améliorer une expérience en fonction des effets attendus des combinaisons. Il nous faut mieux comprendre les raisons qui sous-tendent la combinaison de substances sinous voulons atténuer les répercussions de la crise actuelle des surdoses.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.100 | 0.261 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.004 | 0.007 |
| Bibliometrics | 0.013 | 0.016 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.009 | 0.010 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".