Indicators of alcohol consumption and attributable harm for monitoring and surveillance in European Union countries
Notice bibliographique
Résumé
AIMS: Alcohol is a major risk factor for burden of disease and injury in Europe, and contributes markedly to between region differences in life expectancy. Monitoring and surveillance systems have shown to be a key factor in implementing effective policies. The aim of this paper is to propose a system of indicators for alcohol consumption and attributable harm which can be used as an over-time monitoring tool at the country level as well as for comparisons between countries. DESIGN: A systematic research in electronic data bases was conducted but most of the information was derived from ongoing international efforts to establish alcohol monitoring and surveillance systems. SETTING: European Union. PARTICIPANTS: Countries. MEASUREMENTS: Exposure to alcohol, mortality, burden of disease. FINDINGS: Adult per capita alcohol consumption, prevalence of abstention, and frequency of drinking more than 60 g pure alcohol in one occasion are proposed as a minimal set of alcohol exposure indicators, which can quickly be implemented in all EU countries. With respect to health harm indicators, the best minimal choice which can be implemented quickly in all countries of the EU would be alcohol-attributable years of life lost due to premature death. In addition, country specific indicators could be added, when alcohol places specific burden on specific diseases. CONCLUSIONS: National and European Union-wide monitoring systems for alcohol exposure and attributable harm to inform public health-related policy decisions could be implemented easily. The establishement of such monitoring systems would follow the recent World Assembly resolution for a global strategy to reduce alcohol-related harm.
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 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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».