Non–response bias in alcohol and drug population surveys
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: This proposed study was to assess non-response bias in the 2004 Canadian Addictions Survey (CAS). DESIGN AND METHODS: Two approaches were used to assess non-response bias in the CAS which had a response rate of only 47%. First, the CAS sample characteristics were compared with the 2002 Canadian Community Health Survey (CCHS, response rate 77%) and the 2001 Canada Census data. Second, characteristics of early and late respondents were compared. RESULTS: People with lowest income and less than high-school education and those who never married were under-represented in the CAS compared with the Census, but similar to the CCHS. Substance use was more prevalent in the CAS than the CCHS sample, but most of the CAS and CCHS estimates did not exceed +/-3% points. Late respondents were also significantly more likely to be male, young adult, highly educated, used, have high income, live in different provinces and report substance use. Multivariate logistic regression found significant non-response bias for lifetime, past 12 months, chronic risky, acute risky and heavy monthly alcohol use, lifetime and past year cannabis use, lifetime hallucinogen use, any illicit drug uses of lifetime and past year. Adjustment for non-response bias substantially increased prevalence estimates. For example, the estimates for lifetime and past 12 month illicit drug use increased by 5.22% and 10.34%. DISCUSSION AND CONCLUSIONS: It is concluded that non-response bias is a significant problem in substance use surveys with low response rates but that some adjustments can be made to compensate.
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.
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 | 0,088 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle