Bibliographic record
Abstract
Résumé La crise des opioïdes, débutée aux États-Unis dans les années 2010, a causé plus de 727 000 décès entre 1999 et 2022, réduisant l’espérance de vie de 0,67 an en 2022. Elle a été amplifiée par Purdue Pharma, qui a commercialisé l’OxyContin dès 1996 en minimisant son risque addictif. Une lettre de 1980 du New England Journal of Medicine a été largement et abusivement citée pour soutenir cette thèse. Purdue a promu agressivement son médicament auprès des médecins généralistes, favorisant une prescription massive. L’évolution de cette crise se divise en trois phases : d’abord une hausse des décès liés aux opioïdes prescrits, puis une augmentation des overdoses d’héroïne dès 2010, et enfin, à partir de 2013, une explosion des décès dus au fentanyl de synthèse. La crise, initialement concentrée chez les populations blanches aisées, touche désormais les populations racisées et défavorisées. Depuis 2015, les restrictions sur les prescriptions d’opioïdes ont entraîné un basculement vers des opioïdes illicites. Si la crise reste majeure aux États-Unis et au Canada, l’Europe, bien que connaissant une augmentation de la consommation d’opioïdes, présente une situation contrastée. En France, la hausse de l’usage de l’oxycodone et du tramadol inquiète les autorités. Pour lutter contre cette crise, des recommandations de la HAS incitent à évaluer le risque de mésusage lors de l’introduction ou du renouvellement, et limiter le recours aux doses élevées. L’OMS déconseille désormais l’usage des opioïdes dans certaines pathologies comme la lombalgie chronique
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 | 0.004 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.023 | 0.004 |
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".