Social disparities in hazardous alcohol use: self-report bias may lead to incorrect estimates
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
BACKGROUND: Self-report bias in surveys of alcohol consumption is widely documented; however, less is known about the distribution of such bias by socioeconomic status (SES) and about the possible impact on social disparities. This study aims to assess social disparities in hazardous drinking (HD) and to analyze how correcting alcohol consumption data for self-report bias may affect estimates of disparities. METHODS: National survey data from 13 countries, Canada, England, Finland, France, Germany, Hungary, Ireland, Japan, Korea, New Zealand, Spain, Switzerland and USA, are used to examine social disparities in HD by SES and education level. Defining HD as drinking above 3 drinks/day for men and 2 for women, social disparities were assessed by calculating country-level concentration indexes. Aggregate consumption data were used to correct survey-based estimates for self-report bias. RESULTS: Survey data show that more-educated women are more likely than less-educated women to engage in HD, while the opposite is observed in men in most countries. Large discrepancies in alcohol consumption between survey-based and aggregate estimates were found. Correcting for self-report bias increased estimates of social disparities in women, and decreased them in men, to the point that gradients were reversed in several countries (from higher rates in low education/SES men to an opposite pattern). CONCLUSION: This study provides evidence of a likely misestimation of social disparities in HD, in both men and women, due to self-report bias in alcohol consumption surveys. This study contributes to a better knowledge of the social dimensions of HD and to the targeting of alcohol policies.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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