Web-based alcohol screening and brief intervention for Māori and non-Māori: the New Zealand e-SBINZ trials
Notice bibliographique
Résumé
BACKGROUND: Hazardous alcohol consumption is a leading modifiable cause of mortality and morbidity among young people. Screening and brief intervention (SBI) is a key strategy to reduce alcohol-related harm in the community, and web-based approaches (e-SBI) have advantages over practitioner-delivered approaches, being cheaper, more acceptable, administrable remotely and infinitely scalable. An efficacy trial in a university population showed a 10-minute intervention could reduce drinking by 11% for 6 months or more among 17-24 year-old undergraduate hazardous drinkers. The e-SBINZ study is designed to examine the effectiveness of e-SBI across a range of universities and among Māori and non-Māori students in New Zealand. METHODS/DESIGN: The e-SBINZ study comprises two parallel, double blind, multi-site, individually randomised controlled trials. This paper outlines the background and design of the trial, which is recruiting 17-24 year-old students from seven of New Zealand's eight universities. Māori and non-Māori students are being sampled separately and are invited by e-mail to complete a web questionnaire including the AUDIT-C. Those who score >4 will be randomly allocated to no further contact until follow-up (control) or to assessment and personalised feedback (intervention) via computer. Follow-up assessment will occur 5 months later in second semester. Recruitment, consent, randomisation, intervention and follow-up are all online. Primary outcomes are (i) total alcohol consumption, (ii) frequency of drinking, (iii) amount consumed per typical drinking occasion, (iv) the proportions exceeding medical guidelines for acute and chronic harm, and (v) scores on an academic problems scale. DISCUSSION: The trial will provide information on the effectiveness of e-SBI in reducing hazardous alcohol consumption across diverse university student populations with separate effect estimates for Māori and non-Māori students. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry (ANZCTR) ACTRN12610000279022.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».