Ước tính lượng tiêu thụ các chất gây nghiện theo mùa ở cộng đồng dân cư Hà Nội bằng phương pháp WBE
Bibliographic record
Abstract
Trong những thập kỷ gần đây, phương pháp Dịch tễ học từ phân tích nước thải (Wastewater-Based Epidemiology viết tắt WBE) đã được sử dụng ở nhiều nước trên thế giới nhằm giám sát việc tiêu thụ bất hợp pháp các chất gây nghiện. Nguyên lý của phương pháp là ước tính lượng tiêu thụ các chất gây nghiện sử dụng trong cộng đồng dựa vào việc phân tích dư lượng của các chất này hoặc chất chuyển hoá của chúng trong nước thải. Nghiên cứu đã lấy 121 mẫu tại sông Kim Ngưu theo 4 mùa (mỗi mùa lấy mẫu trong 1 tháng, mỗi ngày lấy 1 mẫu tương ứng 30-31 mẫu/ mùa) và sử dụng phương pháp phân tích trực tiếp bằng hệ thống sắc ký lỏng 2 lần khối phổ (LC-MS/MS) SCIEX 5500 QTrap (Sciex, Concord, Ontario, Canada) có độ nhạy cao (LOQ từ 0,01-0,05 ng/ml) để xác định nồng độ 7 chất chỉ điểm sinh học là amphetamin, methamphetamin methylenedioxymethamphetamin (MDMA), ketamin, codein, morphin, benzoylecgonin. … Kết quả cho thấy, amphetamin hầu hết không được phát hiện trong các mẫu trong khi các chất còn lại đều được phát hiện ở nồng độ>LOQ. Ước tính và đánh giá lượng tiêu thụ theo WBE thu được kết quả có sự khác biệt có ý nghĩa về lượng tiêu thụ theo mùa của các chất gây nghiện MDMA, heroin và cocain trong cộng đồng dân cư nghiên cứu. Các chất gây nghiện điển hình là methamphetamin, MDMA, ketamin, trong đó ketamin đang có lượng tiêu thụ ước tính trung bình cao nhất trong nghiên cứu này.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.005 | 0.007 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.020 | 0.026 |
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; both teacher heads agree on what is shown here.
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".