L'utilisation de l'analyse de responsabilité pour évaluer le risque d'accident mortel pour les personnes qui consomment des drogues et qui conduisent un véhicule automobile au Québec entre 1999 et 2002
Bibliographic record
Abstract
L'évaluation du risque d'accident relié à la consommation de drogues se heurte à des difficultés en termes d'échantillonnage et d'acquisition de données. D'autres problèmes sont attribuables à l'identification précise des drogues consommées par un individu et comment on évalue les effets. Les méthodes d'analyse de responsabilité ont été développées afin de contourner ces problèmes, mais il semble que le risque d'accident n'est pas estimé correctement par ces méthodes. La présente étude, réalisée sur un échantillon de conducteurs décédés entre 1999 et 2002, conclut que les rapports de cotes estimés correspondent au risque d'être responsable de l'accident plutôt que le risque d'accident lui-même. L'alcool est la drogue la plus fréquemment détectée, mais on retrouve également du cannabis, des benzodiazépines et de la cocaïne chez les conducteurs décédés. Le poly-usage de drogues semble très fréquent dans la population étudiée. Les résultats selon les échantillons d'urine ou de sang sont comparables.
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 | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".