Impacts of the minimum legal drinking age legislation on in‐patient morbidity in <scp>C</scp>anada, 1997–2007: a regression‐discontinuity approach
Notice bibliographique
Résumé
AIMS: To provide novel, population-based estimates of the influence of minimum legal drinking age (MLDA) legislation on target in-patient hospital events in Canada. DESIGN: Regression-discontinuity analyses on rates of Canadian in-patient admissions. SETTING: All in-patient hospitalizations in Canada (except Québec) between 1 April 1997 and 31 March 2007. PARTICIPANTS: Individuals aged 15-22 years admitted to hospital. MEASUREMENTS: International Classification of Diseases-9/10 codes for alcohol-use disorders/poisoning, injury, suicide, assault and motor vehicle accidents were considered as target morbidity conditions. FINDINGS: Compared with the baseline hospitalization rate just prior to the MLDA, admissions at the MLDA rose significantly (P ≤ 0.001) for alcohol-use disorders/poisoning for males (17.3%) and females (21.1%), as well as for suicide events for the combined sample (9.6%, P = 0.029). Among males, there was a significant 4.4% increase (P = 0.001) in a broad class of injuries, including a 9.2% jump (P = 0.020) in admissions for motor vehicle accidents compared with the baseline hospitalization rate just prior to the MLDA. CONCLUSION: Removal of minimum legal drinking age restrictions is associated with significant population-level increases in hospital admissions among young adults in Canada for alcohol-use disorders/poisoning, as well as for other serious injuries, especially among males. Current international minimum legal drinking age policy discussions should account for the impact of the minimum legal drinking age on severe morbidity outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».