Effectiveness of Guided and Unguided Low-Intensity Internet Interventions for Adult Alcohol Misuse: A Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Alcohol misuse ranks within the top ten health conditions with the highest global burden of disease. Low-intensity, Internet interventions for curbing adult alcohol misuse have been shown effective. Few meta-analyses have been carried out, however, and they have involved small numbers of studies, lacked indicators of drinking within low risk guidelines, and examined the effectiveness of unguided self-help only. We therefore conducted a more thorough meta-analysis that included both guided and unguided interventions. METHODS: Systematic literature searches were performed up to September 2013. Primary outcome was the mean level of alcohol consumption and drinking within low risk guidelines for alcohol consumption at post-treatment. FINDINGS: We selected 16 randomised controlled trials (with 23 comparisons and 5,612 participants) for inclusion. Results, showed a small but significant overall effect size in favour of Internet interventions (g = 0.20, 95% CI: 0.13-0.27, p<.001). Participants in Internet interventions drunk on average 22 grams of ethanol less than controls and were significantly more likely to be adhering to low-risk drinking guidelines at post-treatment (RD 0.13, 95% CI: 0.09-0.17, p<.001). Subgroup analyses revealed no significant differences in potential moderators for the outcome of alcohol consumption, although there was a near-significant difference between comparisons with waitlist control and those with assessment-only or alcohol information control conditions (p = .056). CONCLUSIONS: Internet interventions are effective in reducing adult alcohol consumption and inducing alcohol users to adhere to guidelines for low-risk drinking. This effect is small but from a public health point of view this may warrant large scale implementation at low cost of Internet interventions for adult alcohol misuse. Moderator analyses with sufficient power are, however, needed in order to assess the robustness of these overall results and to assess whether these interventions may impact on subgroups with different levels of success.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,048 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».