MétaCan
Menu
Retour à la cohorte
Enregistrement W1969449434 · doi:10.12927/whp.2012.22923

Pro-Alcohol-Use Social Environment and Alcohol Use among Female Sex Workers in China: Beyond the Effects of Serving Alcohol

2012· article· en· W1969449434 sur OpenAlexvenueno aff
Chen Zhang, Xiaoming Li, Yan Hong, Bonita Stanton, Yiyun Chen, Yuejiao Zhou, Wei Liu

Notice bibliographique

RevueWorld health & population · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSex work and related issues
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésAlcoholOutreachEnvironmental healthChinaPsychological interventionSocial environmentHuman factors and ergonomicsMedicinePoison controlPsychologyPolitical sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

The current study was designed to fill the literature gap by examining the roles of the pro-alcohol social environment in alcohol use among female sex workers (FSWs) in China. In this study, a total of 1,022 FSWs were recruited through community outreach from both alcohol-serving and nonalcohol-serving commercial sex venues in Guangxi, China. The pro-alcohol social environment was measured in four areas: institutional norms, institutional practices, risk perceptions and peer norms. The measures of the pro-alcohol social environment were significantly associated with the venues' alcohol-serving practices, with FSWs from those venues reporting a more positive pro-alcohol social environment than their counterparts from nonalcohol-serving venues. However, these pro-alcohol social environment measures were independently predictive of alcohol use after controlling for venues' alcoholserving practices and other demographic characteristics. Public health interventions need to target environmental-structural factors through altering pro-alcohol-use social norms and practices at both institutional and individual levels among FSWs in China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,330
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetSex work and related issuesTravaux en français237 207