Cadre conceptuel pour le suivi des méfaits liés aux substances effectué par les autorités de santé publique
Bibliographic record
Abstract
Résumé En raison de la crise d’intoxication aux drogues qui sévit au Canada et ailleurs, il est plus que jamais nécessaire de disposer de données à jour et pertinentes pour orienter les politiques et les programmes visant à atténuer les méfaits liés aux substances. Bien qu’il existe un certain nombre de systèmes de suivi ciblant des composantes précises de la consommation de substances et des méfaits qui en découlent au Canada, ces systèmes ne sont pas guidés par un cadre conceptuel global. Cet exposé de politique fondé sur des données probantes décrit l’élaboration d’un cadre conceptuel pour le suivi des méfaits liés aux substances effectué par les autorités de santé publique. Ce cadre comprend quatre thèmes principaux (facteurs de risque et de protection, consommation de substances, systèmes de soutien à la santé, méfaits et bienfaits liés à la consommation de substances), quatre thèmes transversaux (parcours de vie, équité, stigmatisation de la consommation de substances, santé et maladie mentale et physique) et deux considérations générales (utilisation respectueuse des données et consultation). Ce cadre est utilisable pour organiser les activités déjà en place et pour cerner les lacunes en matière de données et de suivi en vue d’un développement ultérieur.
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 | 0.020 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.005 | 0.016 |
| Scholarly communication | 0.016 | 0.012 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".