Estimating under‐ and over‐reporting of drinking in national surveys of alcohol consumption: identification of consistent biases across four English‐speaking countries
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Questions about drinking 'yesterday' have been used to correct under-reporting of typical alcohol consumption in surveys. We use this method to explore patterns of over- and under-reporting of drinking quantity and frequency by population subgroups in four countries. DESIGN: Multivariate linear regression analyses comparing estimates of typical quantity and frequency of alcohol consumption with and without adjustments using the yesterday method. SETTING AND PARTICIPANTS: Survey respondents in Australia (n = 26 648), Canada (n = 43 371), USA (n = 7969) and England (n = 8610). MEASUREMENTS: Estimates of typical drinking quantities and frequencies over the past year plus quantity of alcohol consumed the previous day. FINDINGS: Typical frequency was underestimated by less frequent drinkers in each country. For example, after adjustment for design effects and age, Australian males self-reporting drinking 'less than once a month' were estimated to have in fact drunk an average of 14.70 (± 0.59) days in the past year compared with the standard assumption of 6 days (t = 50.5, P < 0.001). Drinking quantity 'yesterday' was not significantly different overall from self-reported typical quantities during the past year in Canada, the United States and England, but slightly lower in Australia (e.g. 2.66 versus 3.04 drinks, t = 20.4, P < 0.01 for women). CONCLUSIONS: People who describe themselves as less frequent drinkers appear to under-report their drinking frequency substantially, but country and subgroup-specific corrections can be estimated. Detailed questions using the yesterday method can help correct under-reporting of quantity of drinking.
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 | 0,002 |
| 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 ».