Detección y prevalencia del trastorno por uso de alcohol en los centros de atención primaria de Cataluña
Notice bibliographique
Résumé
AIM: To describe the detection by general practitioners (GP) of alcohol use disorders (AUD) and alcohol dependence, and their prevalence in primary health settings. DESIGN: Cross-sectional study. SETTINGS: Twenty Catalan primary health care centres (Spain). PARTICIPANTS AND MEASUREMENTS: Twenty three randomly selected GP were surveyed about alcohol and other diseases of their patients. A total of 1,372 patient interviews were collected. Patients and GPs were asked about AUD and other mental and health conditions. The Composite International Diagnostic Interview (CIDI) as the gold standard was used, as well as other structured interviews (K10 screening and World Health Organization Disability Assessment Schedule 2.0). RESULTS: The CIDI diagnosed 9.6% of the total sample with an AUD, and 4.8% diagnosed by GPs. CIDI could detect more AUD in young adults, while GPs diagnosed more AUD and alcohol dependence in elderly people, who also had more health conditions. GPs recognised AUD in 28.8% of patients diagnosed with CIDI, but 42.4% of patients diagnosed by GPs were not detected with CIDI. Taking both into consideration, the gold standard and the GP clinical impression, 11.7% of patients had an AUD and 8.6% an AD. CONCLUSIONS: GP recognise AUD better in the elderly with worst health conditions than CIDI. AUD and alcohol dependence prevalence is high in primary health care centres.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».