MétaCan
Menu
Retour à la cohorte
Enregistrement W2128842312 · doi:10.1111/j.1360-0443.2010.02899.x

The relation between different dimensions of alcohol consumption and burden of disease: an overview

2010· article· en· W2128842312 sur OpenAlexaff
Jürgen Rehm, Dolly Baliunas, Guilherme Borges, Kathryn Graham, Hyacinth Irving, Tara Kehoe, Charles Parry, Jayadeep Patra, Svetlana Popova, Vladimir Poznyak, Michael Roerecke, Robin Room, Andriy V. Samokhvalov, Benjamin J. Taylor

Notice bibliographique

RevueAddiction · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensPublic Health OntarioUniversity of TorontoWestern UniversityCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésMedicineAlcohol abuseDiseaseEpidemiologyDiabetes mellitusStroke (engine)CancerInternal medicinePsychiatryEndocrinology

Résumé

récupéré en direct d'OpenAlex

AIMS: As part of a larger study to estimate the global burden of disease and injury attributable to alcohol: to evaluate the evidence for a causal impact of average volume of alcohol consumption and pattern of drinking on diseases and injuries; to quantify relationships identified as causal based on published meta-analyses; to separate the impact on mortality versus morbidity where possible; and to assess the impact of the quality of alcohol on burden of disease. METHODS: Systematic literature reviews were used to identify alcohol-related diseases, birth complications and injuries using standard epidemiological criteria to determine causality. The extent of the risk relations was taken from meta-analyses. RESULTS: Evidence of a causal impact of average volume of alcohol consumption was found for the following major diseases: tuberculosis, mouth, nasopharynx, other pharynx and oropharynx cancer, oesophageal cancer, colon and rectum cancer, liver cancer, female breast cancer, diabetes mellitus, alcohol use disorders, unipolar depressive disorders, epilepsy, hypertensive heart disease, ischaemic heart disease (IHD), ischaemic and haemorrhagic stroke, conduction disorders and other dysrhythmias, lower respiratory infections (pneumonia), cirrhosis of the liver, preterm birth complications and fetal alcohol syndrome. Dose-response relationships could be quantified for all disease categories except for depressive disorders, with the relative risk increasing with increased level of alcohol consumption for most diseases. Both average volume and drinking pattern were linked causally to IHD, fetal alcohol syndrome and unintentional and intentional injuries. For IHD, ischaemic stroke and diabetes mellitus beneficial effects were observed for patterns of light to moderate drinking without heavy drinking occasions (as defined by 60+ g pure alcohol per day). For several disease and injury categories, the effects were stronger on mortality compared to morbidity. There was insufficient evidence to establish whether quality of alcohol had a major impact on disease burden. CONCLUSIONS: Overall, these findings indicate that alcohol impacts many disease outcomes causally, both chronic and acute, and injuries. In addition, a pattern of heavy episodic drinking increases risk for some disease and all injury outcomes. Future studies need to address a number of methodological issues, especially the differential role of average volume versus drinking pattern, in order to obtain more accurate risk estimates and to understand more clearly the nature of alcohol-disease relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,010
Bibliométrie0,0110,010
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,106
Tête enseignante GPT0,389
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1 180
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207