Steps towards Constructing a Global Comparative Risk Analysis for Alcohol Consumption: Determining Indicators and Empirical Weights for Patterns of Drinking, Deciding about Theoretical Minimum, and Dealing with Different Consequences
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In order to conduct a comparative risk analysis for alcohol within the Global Burden of Disease Study (GBD 2000), several questions had to be answered. (1) What are the appropriate dimensions for alcohol consumption and how can they be categorized? The average volume of alcohol and patterns of drinking were selected as dimensions. Both dimensions could be looked upon as continuous but were categorized for practical purposes. The average volume of drinking was categorized into the following categories: abstention; drinking 1 (> 0-19.99 g pure alcohol daily for females, > 0-39.99 g for males); drinking 2 (20-39.99 g for females, 40-59.99 g for males), and drinking 3 (> or =40 g for females, > or =60 g for males). Patterns of drinking were categorized into four levels of detrimental impact based on an optimal scaling analysis of key informant ratings. (2) What is the theoretical minimum for both dimensions? A pattern of regular light drinking (at most 1 drink every day) was selected as theoretical minimum for established market economies for all people above age 45. For all other regions and age groups, the theoretical minimum was set to zero. Potential problems and uncertainties with this selection are discussed. (3) What are the health outcomes for alcohol and how do they relate to the dimensions? Overall, more than 60 disease conditions were identified as being related to alcohol consumption. Most chronic conditions seem to be related to volume only (exceptions are coronary heart disease and ischemic stroke), and most acute conditions seem to be related to volume and patterns. In addition, using methodology based on aggregate data, patterns were relevant for attributing harms for men but not women.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 découle