摘要背景:自我决定理论 (SDT) 可能为理解药物滥用和治疗结果提供重要见解。然而,迄今为止,将 SDT 应用于药物滥用及其治疗的文献多种多样且难以整合。方法:作者于 2021 年 10 月 26 日搜索了 psycINFO 和 PubMed,以确定将 SDT 应用于药物滥用及其治疗的文章。符合条件的研究以同行评审的文章形式发表在英语中,针对成年人口 (18 岁以上),并明确将 SDT 应用于药物滥用或其治疗的背景。结果被归类为在非治疗或治疗环境中应用 SDT 的研究,并在这些类别中根据重点物质、主要结果、使用的 SDT 组成部分和相关发现进行综合。结果:搜索显示 38 篇在非治疗 (k = 16) 和治疗 (k = 22) 环境中应用 SDT 的文章。因果关系取向和基本心理需求是 SDT 中最常研究的组成部分。在非治疗环境中应用 SDT 的研究更加强调因果关系取向,而治疗研究更经常针对或测量基本心理需求。结论:SDT 结构以理论上一致的方式一致地预测药物滥用和治疗结果,但是,仍存在一些重要差距,并讨论了未来研究的机会。
肯塔基州的系统,可以在县界转移,我们在另一个州不能做同样的事情。如果在另一个州没有现有案件开放,我们无能为力提供其他州管辖权。- 需要解释器;必须翻译只需花费更多的时间。在有强大的难民人口,安排口译员的地区以及律师与客户为法院做准备的能力中,可能非常困难且耗时。***这不是一个详尽的清单!我很快就准备了证词,除了对云母法官的意见和观察的摘要之外,不应将其依靠。
本研究探讨了马来西亚毒品热点地区青少年滥用毒品和药物 (DSA) 这一紧迫问题。马来西亚反毒品机构 (AADK) 已在马来西亚确定了 155 个热点地区,其中 78 个被随机选中作为研究地点。这些地区被确定为存在极端毒品相关活动(如贩毒和毒品相关犯罪)的地区。根据文献,多种因素会影响青少年参与 DSA。因此,了解马来西亚在校青少年的风险因素至关重要。该研究特别考察了各种潜在预测因素,包括社会经济因素、同伴影响、家庭动态、教育经历、药物获取和社区特征。通过横断面调查设计和整群抽样方法选出热点地区的青少年。样本包括 3382 名在校青少年,数据是通过面对面访谈收集的。使用 STATA 软件的 Logit 模型法分析数据。研究结果显示,与同龄人相比,有纪律问题的在校青少年成为当前吸毒者的风险增加了两倍。此外,那些表现出外化行为(如攻击性和违反规则)的人也面临更大的参与 DSA 的可能性。毒贩被认为是最重要的风险因素,接触毒贩的青少年成为当前吸毒者的可能性是其他人的 46 倍。朋友和家人的因素也是青少年吸毒的重要因素。然而,如果青少年有更好的应对技巧作为保护因素,那么他们参与的学习问题可能会减少。这些发现将有助于努力减轻吸毒成瘾和与毒品有关的活动,特别是在高风险社区,以及
利用人工智能减轻青少年危险行为:范围界定审查方案 Hamidreza Sadeghsalehi a 和 Hassan Joulaei a,* a 伊朗设拉子医科大学健康研究所卫生政策研究中心 * 通讯作者(joulaei_h@yahoo.com) 青少年特别容易从事暴力、无保护性行为和药物滥用等危险行为,这些行为会对他们的健康和发展产生重大的负面影响。人工智能 (AI) 的最新进展为解决这些行为提供了创新的解决方案,但关于基于 AI 的干预措施的有效性和实施的证据仍然零散。本范围界定审查旨在系统地探索和绘制旨在减少青少年危险行为的基于 AI 的干预措施的文献。本综述将遵循 Arksey 和 O'Malley (2005) 概述并由 Levac、Colquhoun 和 O'Brien (2010) 改进的方法框架,符合 Joanna Briggs 研究所的指导方针。PRISMA 范围界定综述扩展 (PRISMA-ScR) 将指导报告。搜索策略将在 PubMed、Scopus、Web of Science 核心合集、CINAHL、PsycINFO、Cochrane 对照试验中心注册库、Embase、SID 和 Magiran 中执行,重点关注截至 2024 年 6 月以英语和波斯语发表的文章。两名独立审阅者将使用 Rayyan 筛选标题和摘要,然后对相关研究进行全文筛选。数据将使用标准化表格绘制图表,差异将通过讨论或咨询第三位审阅者解决。数据将以描述性方式综合并以表格、图形和图表的形式呈现。关键词:青少年、人工智能、危险行为、范围审查、干预措施
● 展示支持自己和他人健康和福祉的做法和行为。 ● 分析影响自己和他人健康和福祉的因素。 ● 使用功能性健康信息来支持自己和他人健康和福祉。 ● 获取有效和可靠的资源来支持自己和他人健康和福祉。
1 托马斯杰斐逊大学转化医学中心,1020 Locust Street,费城,宾夕法尼亚州 19107,美国;sontis@chop.edu(SS);LakhikumarSharma.Adhikarimayum@jefferson.edu(ALS) 2 生物技术系,Banasthali Vidyapith,Vanasthali,斋浦尔 304022,拉贾斯坦邦,印度;lsmst21030_kratika@banasthali.in 3 细胞培养实验室,ICAR-冷水渔业研究局,Bhimtal,奈尼塔尔 263136,北阿坎德邦,印度;amit.pande@icar.gov.in 4 托马斯杰斐逊大学神经外科系 Farber 医院服务中心,费城,宾夕法尼亚州 19107,美国;Rene.Daniel@jefferson.edu * 通信地址:mudit.tyagi@jefferson.edu;电话:+1-215-503-5157 或 +1-703-909-9420 † 当前地址:费城儿童医院人类遗传学部,3401 Civic Center Blvd,费城,宾夕法尼亚州 19104,美国。
摘要巴西肥胖的增加是日益增长的公共卫生问题,对该国的卫生系统构成了重大挑战。Ozepic被用作治疗2型硫纤维并促进患者体重减轻的帮助,但是,它没有副作用和禁忌症。这项工作是最重要的,是为了对寻求体重减轻的个人的不加区分和外表使用的危险和后果进行文献综述,提出了有关其作用机理,副作用和不良相互作用的一系列问题。使用了21篇文章,这些文章已遵循纳入标准,该条款的目的是以1个专家的p&d和质量控制的语言进行学术文章。Unifbvwyden大学中心。R. Jean Emile Favre,422,Imbiribeira,Recife -PE,邮政编码:51200-060。电子邮件:thaynarawarrenn@gmail.com 2临床药房专家。 玛丽西奥·德纳索大学中心。 R. Jonathas de Vasconcelos,92,Boa Viagem,Recife -PE,邮政编码:51021-140。 电子邮件:pedro_cesar.pc@hotmail.com 3药物科学医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:paulo.atmgomes@ufpe.br 4治疗创新医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:eduardo.ramalho@ufpe.br 5神经生物学医生。 Pernambuco联邦大学。电子邮件:thaynarawarrenn@gmail.com 2临床药房专家。玛丽西奥·德纳索大学中心。R. Jonathas de Vasconcelos,92,Boa Viagem,Recife -PE,邮政编码:51021-140。电子邮件:pedro_cesar.pc@hotmail.com 3药物科学医生。Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:paulo.atmgomes@ufpe.br 4治疗创新医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:eduardo.ramalho@ufpe.br 5神经生物学医生。 Pernambuco联邦大学。Pernambuco联邦大学。av。Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。电子邮件:paulo.atmgomes@ufpe.br 4治疗创新医生。Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:eduardo.ramalho@ufpe.br 5神经生物学医生。 Pernambuco联邦大学。Pernambuco联邦大学。av。Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。电子邮件:eduardo.ramalho@ufpe.br 5神经生物学医生。 Pernambuco联邦大学。电子邮件:eduardo.ramalho@ufpe.br 5神经生物学医生。Pernambuco联邦大学。Pernambuco联邦大学。av。Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。电子邮件:Michelle.rosa@ufpe.com治疗创新中6博士学位。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:marinagaldinopitta@gmail.com生命与健康科学博士学位7博士学位。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:maira.pitta@ufpe.com 8治疗创新医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:moacyr.rego@ufpe.com电子邮件:Michelle.rosa@ufpe.com治疗创新中6博士学位。Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:marinagaldinopitta@gmail.com生命与健康科学博士学位7博士学位。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:maira.pitta@ufpe.com 8治疗创新医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:moacyr.rego@ufpe.comPernambuco联邦大学。av。Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。电子邮件:marinagaldinopitta@gmail.com生命与健康科学博士学位7博士学位。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:maira.pitta@ufpe.com 8治疗创新医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:moacyr.rego@ufpe.com电子邮件:marinagaldinopitta@gmail.com生命与健康科学博士学位7博士学位。Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:maira.pitta@ufpe.com 8治疗创新医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:moacyr.rego@ufpe.comPernambuco联邦大学。av。Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。电子邮件:maira.pitta@ufpe.com 8治疗创新医生。 Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:moacyr.rego@ufpe.com电子邮件:maira.pitta@ufpe.com 8治疗创新医生。Pernambuco联邦大学。 av。 Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。 电子邮件:moacyr.rego@ufpe.comPernambuco联邦大学。av。Moraes Rego教授,1235年,大学城,雷·PE,PE,邮政编码:50670-901。电子邮件:moacyr.rego@ufpe.com电子邮件:moacyr.rego@ufpe.com
尽管氯胺酮 - 一种非竞争性的N-甲基-D-天冬氨酸(NMDA)受体拮抗剂 - 因其在麻醉和疼痛管理中的临床效果而受到重视,而Esket-氨基(酮胺)已开始用于治疗的抑郁症。先前确定了氯胺酮长期非医学使用对灰质和白物结构的影响,2,3以更大的特定理解这些理解是一个紧迫的挑战。氯胺酮作为一种成瘾性物质,通过单独或与其他非法物质杀死粉末,在医学上被非医学用作俱乐部药物。4氯胺酮滥用的常见心理和物理不良反应包括精神病症状和认知障碍,体外经历,抑郁和焦虑症状,睡眠障碍,溃疡性膀胱炎和胃肠道毒性。5–10受控,
1美国国立卫生研究院(NIH)的NIH临床中心,美国马里兰州贝塞斯达州2已经提出了语言模型(LLMS)来支持许多医疗保健任务,包括疾病诊断和治疗个性化。虽然可以应用AI来协助或增强医疗保健的提供,但也存在滥用的风险。llms可用于根据不公平,不准确或不公正的标准分配资源。例如,社会信贷系统使用大数据来评估社会中的“可信赖性”,从而根据仅由权力结构(公司实体,管理机构)定义的评估指标来惩罚那些得分差的人。强大的LLM可以扩大此类系统,该系统可以根据多模式数据(金融交易,Internet活动和其他行为输入)对个人进行评分。医疗保健数据也许是最敏感的信息,可以收集,并有可能通过“临床信贷系统”来侵犯公民自由,其中可能包括限制或配给标准护理。本报告模拟了如何利用临床数据集,并提出了减轻AI医疗保健模型固有的风险的策略。1。简介大语模型(LLMS)可以使用复杂的非结构化数据执行高级任务 - 在某些情况下,除了人类功能之外。1,2这种进步正在扩展到医疗保健:正在开发新的AI模型来使用患者数据进行任务,包括诊断,工作流程改进,监测和个性化治疗建议。但是,如果受到管理当局,公司或其他决策实体的虐待,临床AI普遍性的这种增加也会引起公民自由的重大脆弱性。对这种潜力的认识可能会降低风险,激励透明度,为负责任的治理政策提供信息,并导致新保障措施的发展。社会信贷制度是“大数据压迫”的新兴例子,旨在限制“抹黑”的特权,但不是“可信赖”。 3-23在社会信用系统中,从公民/成员收集的大型多模式数据集可用于确定给定社会内的“可信赖性”,基于仅由功率结构定义和控制的评分指标。3-23公民必须表现出对权力结构的忠诚,并积极地与专业,财务和社会优化的既定定义保持一致;否则,他们可能会失去自己和亲人的关键资源访问权限。例如,对管理机构的批评可能会导致旅行,就业,医疗服务和/或教育机会的限制。3-23甚至非常小的“犯罪”,例如轻率的购买,停车票或过度的在线游戏,也可能导致处罚。21-23最终,从电力结构中获取资源,威胁力量结构或以其他方式被认为是不受欢迎/不信任的任何行为都可能导致负面后果,包括由于公共“黑名单”而进行的社会羞辱。24个社会信贷系统旨在扩大公司,医院系统和其他实体持续存在的现有数据权滥用 - 无论是在监视/数据收集方面,都可以根据分数来采取的行动范围。记录的数据滥用示例包括从私人汽车购买数据,以根据驾驶行为以及使用筛查算法来增加保费,以否认老年人或残疾患者的健康保险索赔(覆盖医师建议)。25-28同样,有偏见的算法被用于错误地拒绝器官移植,并且一项研究警告了多基因风险评分在永久性种族/种族歧视中的作用
