Notice bibliographique
Résumé
Although alcohol misuse contributes substantially to mortality from diseases, injuries and adverse effects, a few attempts have been made to figure out size of adverse consequences attributable to alcohol in Korea. This study was conducted to describe trends of estimated deaths attributable to alcohol in Korea. Estimations were made by employing Korean alcohol aetiological fraction(AEF) into deaths from alcohol-related diseases, injuries, and adverse effects from year of 1995 through 2000. Korean AEF was derived from previous studies on AEF applied to USA and Canada (Schultz et al.,1991; English et al., 1995) with reflecting peculiar drinking patterns in Korea. An average number of deaths attributable to alcohol was 21,123, accounting for 8.76% of all deaths reported to National Statistical Office during the period. Death rates attributable to alcohol tended to decrease from year of 1995 to 1997 and then increased with peak at year of 1999. Sex-age standardized alcohol attributable death rates varied among areas, with those of metropolitan areas being lower than those of nonmetropolitan areas. Years of potential life lost (YPLL) were estimated to reflect qualitative aspect of deaths attributable to alcohol. Similar change patterns during the year were observed between number of deaths and YPLL. Average YPLL of men was longer than that of women by about 4 years. Some implications for future study have been discussed.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».