Prevalence Studies of Substance-Related Disorders: A Systematic Review of the Literature
Notice bibliographique
Résumé
OBJECTIVE: To present the results of a systematic review of literature published between January 1, 1980, and December 31, 2000, that reports epidemiologic estimates of substance-related disorders. METHOD: We conducted a literature search of substance-related epidemiologic studies, using medline and HealthSTAR databases and applying a set of predetermined inclusion and exclusion criteria to identify relevant studies. We extracted and analyzed prevalence and incidence data for heterogeneity. RESULTS: A total of 19 prevalence studies of substance-related disorders met inclusion criteria for this review. Heterogeneity analyses revealed significant variability across 1-year and lifetime prevalence of both alcohol and other substance use disorders. The corresponding 1-year and lifetime pooled rates were 6.6 per 100 and 13.2 per 100, respectively, for alcohol use disorders and 2.4 per 100 and 2.4 per 100, respectively, for other substance use disorders. We observed variability among countries and also among regions within the same country. In contrast to other drug problems, alcohol use disorders were substantially more common, were more likely to occur among male subjects, and were more likely to be associated with abuse symptoms. For other drugs, dependence was consistently more prevalent than abuse. CONCLUSIONS: Studies using rigorous and comparable methodologies report significant variability in rates of alcohol and other substance use disorders. These data suggest that different policies and regional practices are associated with variability in rates of disorders. Policy-makers and health planners require regular, regionally sensitive estimates of prevalence rates to respond effectively to unique patterns of need in their constituencies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».