A comparative multi‐level analysis of contextual drinking in American and Canadian adults
Notice bibliographique
Résumé
AIM: To investigate the effects of demographic factors and drinking location on contextual drinking in a comparison of US and Canadian adults. DESIGN: Multi-level techniques were used to model the two-level hierarchical structure of drinking contexts (level 1) nested within individuals (level 2). PARTICIPANTS: Two random samples of current drinkers aged 18 years or older were drawn from Canada's Alcohol and Other Drugs Survey (CADS, 1994) and the 1995 National Alcohol Survey (NAS 9). The US sample included 2304 respondents (level 2) who reported a total of 5956 drinking contexts (level 1); in Canada, 5394 respondents reported 13 235 drinking contexts. MEASUREMENTS: Participants reported usual alcohol intake in up to four drinking locations. Demographic data included age, gender, education level, income and marital status. FINDINGS: Significant variation in usual alcohol intake was observed between drinking locations in both the US and Canada. The full multi-level models explained 25% of the variance at the contextual level and 25% and 22% at the individual level in the US and Canada. Contextual drinking was determined by a complex relationship between demographic characteristics and drinking locations. Some interactions between locations and demographic variables were observed for both the US and Canada, whereas others were observed only in the US sample. CONCLUSIONS: There is a need, from a population health perspective, for a multi-level approach in epidemiology and prevention that considers drinking setting as a relevant level for analysis and intervention.
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 | 0,001 |
| 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 ».