Drinking in context: the influence of gender and neighbourhood deprivation on alcohol consumption
Notice bibliographique
Résumé
BACKGROUND: Findings from contextual studies have shown that living in both poor and affluent neighbourhoods increases the risk of drinking and drug use, but few studies have examined the connection between neighbourhood context and drinking from a gender perspective. METHODS: We investigated the association between gender, neighbourhood deprivation and weekly drinking behaviour (number of drinks) in a national sample of 93 457 Canadians using multilevel zero-inflated Poisson regression. A cross-level interaction between gender and neighbourhood deprivation was examined while controlling for other potential risk factors. RESULTS: 53% of Canadians reported having at least one drink in the last year (men=61%; women=46%). Among respondents who were drinkers, the average number of drinks per week was 6.4 with male drinkers reporting an average of 7.9 and female drinkers reporting an average of 4.6. Neighbourhood material deprivation was independently associated with weekly drinking. Findings from multilevel analysis showed a u-shaped curve between neighbourhood deprivation and drinking, but only for men. Men living in the poorest neighbourhoods drank more weekly (8.5 drinks) than men living in neighbourhoods of wealthy (4.5 drinks) and mid-range deprivation (3.7 drinks). No difference in drinking by neighbourhood material deprivation was observed among women. CONCLUSION: Men, like women, experience gender-specific health difficulties (eg, alcohol-related problems) suggesting the need for a gendered focus on policies and services related to women's and men's health. The challenge for public health and primary care is to work together to target risk-taking behaviours among men through treatment, prevention and cultural/educational messages aimed at building healthy lifestyles.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».