MétaCan
Menu
Retour à la cohorte
Enregistrement W2021836379 · doi:10.1046/j.1360-0443.2003.00272.x

A multilevel analysis of change in alcohol consumption in Québec, 1993–98

2003· article· en· W2021836379 sur OpenAlexaffabout
Andrée Demers, Sylvia Kairouz

Notice bibliographique

RevueAddiction · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversité de MontréalCentre for Addiction and Mental HealthUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésDemographyPublic healthMultilevel modelVigilance (psychology)Poison controlInjury preventionAnalysis of varianceAlcohol consumptionPsychologySuicide preventionEnvironmental healthMedicineGerontologyAlcoholStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

AIMS: Changes in drinking are subgroup-specific and vary by dimensions of drinking pattern. This study investigates changes in drinking patterns between 1993 and 1998 within various subgroups of Québec society. DESIGN: A multilevel design was used in which respondents (level 1) were nested within demographic groups (level 2). PARTICIPANTS: Based on the 1993 and 1998 Québec Health and Social Surveys, 40 598 respondents (level 1) were nested within 220 groups (level 2) based on age, SES status, gender and the year of survey. MEASUREMENTS: The effect of group characteristics were assessed for various dimensions of drinking pattern. FINDINGS: A significant part of the variance in drinking pattern is attributed to group membership (ranging from 8.6% to 18.3%). Except for the frequency of heavy drinking episodes, the data revealed a significant increase between 1993 and 1998 on all drinking pattern dimensions, which was more marked for higher SES groups for current drinking status. However, the frequency of heavy drinking decreased among the lower SES groups and remained stable among the higher SES groups. CONCLUSIONS: These results call for an increase in public health vigilance in monitoring trends in drinking patterns and their potential acute and chronic consequences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,094
Score d'incertitude au seuil0,917

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,092
Tête enseignante GPT0,333
Écart entre enseignants0,242 · 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 tête enseignante, 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

Citations5
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207