Facteurs déterminants associés à l’usage problématique de médicaments antidouleur contenant des opioïdes au sein de la population à domicile, Canada, 2018
Bibliographic record
Abstract
La dépendance aux opioïdes pour la gestion de la douleur a augmenté au fil du temps, tout comme la morbidité et la mortalité liées aux opioïdes. En 2019, Statistique Canada a fait état d’associations descriptives entre des facteurs démographiques et géographiques, certains troubles de santé mentale et l’usage problématique de médicaments antidouleur contenant des opioïdes au sein de la population canadienne de 15 ans et plus qui utilise de tels médicaments. S’inscrivant dans le prolongement de la recherche antérieure, cette nouvelle étude utilise la modélisation pour examiner les associations pour un plus large éventail de caractéristiques. Elle cherche à déterminer les facteurs socioéconomiques, les comportements en matière de santé et les facteurs psychosociaux qui sont associés de façon indépendante et significative à une plus grande probabilité d’usage problématique de médicaments antidouleur contenant des opioïdes, après prise en compte d’autres descripteurs.
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 | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".