Notice bibliographique
Résumé
Callinan, S. (2014). Alcohol’s harm to others: Quantifying a little or a lot of harm. The International Journal Of Alcohol And Drug Research, 3(2), 127-133. doi:http://dx.doi.org/10.7895/ijadr.v3i2.160Aim: Harm to others from alcohol consumption has become a World Health Organization research priority and the subject of current or planned research in over 20 countries. The aim of the current study is to compare the efficacy of two measures commonly used to ascertain the subjective level of harm experienced by respondents that is attributable to the drinking of others.Design: A cross-sectional survey.Setting: Australian respondents were recruited using computer-assisted telephone interviewing.Participants: 448 adult respondents were asked about their experience of harm attributable to the alcohol consumption of others.Measures: Respondents were asked whether they were harmed a little or a lot by the drinking of both strangers and heavy drinkers known to them, and were asked to rate this level of harm from 1 to 10. They were also asked questions about the types of harm they experienced.Findings: Overall, respondents were fairly consistent in their responses to these two measures, with the mean score of a little or a lot of harm similar for both stranger and known drinker harms. Prediction of the two types of scores was similar, based on the respondents’ experience of harms; however, tangible stranger harm did not predict being harmed a lot.Conclusions: The 1 to 10 score is better predicted by harms experienced; however, this may be due to a lack of variance in the dichotomous question. Equivalence scores are outlined and discussed.
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 | 0,002 | 0,001 |
| 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 ».