Assessment of alcoholic standard drinks using the Munich composite international diagnostic interview (M‐CIDI): An evaluation and subsequent revision
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
The quantity and frequency of alcohol consumption are crucial both in risk assessment as well as epidemiological and clinical research. Using the Munich Composite International Diagnostic Interview (M-CIDI), drinking amounts have been assessed in numerous large-scale studies. However, the accuracy of this assessment has rarely been evaluated. This study evaluates the relevance of drink categories and pouring sizes, and the factors used to convert actual drinks into standard drinks. We compare the M-CIDI to alternative drink assessment instruments and empirically validate drink categories using a general population sample (n = 3165 from Germany), primary care samples (n = 322 from Italy, n = 1189 from Germany), and a non-representative set of k = 22503 alcoholic beverages sold in Germany in 2010-2016. The M-CIDI supplement sheet displays more categories than other instruments (AUDIT, TLFB, WHO-CIDI). Beer, wine, and spirits represent the most prevalent categories in the samples. The suggested standard drink conversion factors were inconsistent for different pouring sizes of the same drink and, to a smaller extent, across drink categories. For the use in Germany and Italy, we propose the limiting of drink categories and pouring sizes, and a revision of the proposed standard drinks. We further suggest corresponding examinations and revisions in other cultures.
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 | 0,033 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 découle