Alcohol dependence and treatment utilization in Europe – a representative cross-sectional study in primary care
Notice bibliographique
Résumé
BACKGROUND: Alcohol dependence (AD) in Europe is prevalent and causes considerable health burden. Recognition by general practitioners (GPs) and provision of or referral to treatment may contribute to reduce this burden. This paper studied AD prevalence in varying European primary care settings and examined who received treatment. METHODS: In a cross-sectional multi-centre study in six European countries, 358 general practitioners assessed 13,003 primary care patients between January 2013 and January 2014, of which 8,476 patients were interviewed, collecting information on socio-demographics, physical and mental problems, and on alcohol use, problems and treatment. AD diagnoses were determined by GPs' clinical judgement and a standardized interview. A wide definition for AD treatment included individual and group interventions provided by different health professionals. Descriptive as well as inferential statistics were employed. RESULTS: AD was prevalent among patients in European primary health care settings (8.7 %, 95 % confidence interval (CI): 8.1-9.3 %). Treatment rates were low (22.3 % of all AD cases, 95 % CI: 19.4-25.2 %). For both prevalence and treatment utilization, considerable country variations were observed. AD was associated with a number of socio-economic disadvantages (e.g. higher unemployment rate) and higher physical (e.g., liver disease, hypertension) and mental comorbidities (e.g., depression, anxiety). Liver problems, mental distress and daily amount of alcohol used were higher among treated versus untreated male patients with AD. CONCLUSION: A minority of people identified as having AD received treatment, showing heavier drinking patterns and a higher level of co-morbidity. Different types of treatment, depending on severity of AD, should be considered.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».