One Drink to a Lifetime of Drinking: Temporal Structures of Drinking Patterns
Notice bibliographique
Résumé
This article presents the proceedings of a symposium at the 2001 Research Society on Alcoholism Meeting in Montreal, Canada. The cochairs were Paul J. Gruenewald and Marcia Russell. The focus of the symposium was on mathematical, methodological, and statistical approaches to the assessment of drinking patterns from short (daily and monthly) to very long periods (the life course) of time. The research presented in the symposium argues that (1) model-based approaches to analyzing drinking patterns can provide comprehensive bases for assessing drinking risks, (2) data acquisition technologies that track daily drinking over long periods of time can illuminate unique features of drinking associated with abuse and dependence, and (3) retrospective data can be used to assess life-course trajectories of drinking associated with chronic problem outcomes. Each of the presentations points toward an integrated approach to understanding acute and chronic risks related to alcohol use. The presentations were (1) Mathematical models of current drinking, by Paul J. Gruenewald and Fred Johnson; (2) Mathematical models of drinking problems, by John Light and Rob Lipton; (3) Patterns of drinking ascertained from daily data aggregated across 24 months, by John Searles; and (4) Cognitive lifetime drinking histories and natural histories of drinking, by Marcia Russell, Paul J. Gruenewald, Fred Johnson, Maurizio Trevisan, Jo Freudenheim, Paola Muti, Ann Marie Carosella, and Thomas H. Nochajski.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».