Recall bias across 7 days in self‐reported alcohol consumption prior to injury among emergency department patients
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Recall bias is a concern in self-reported alcohol consumption, potentially accounting for varying risk estimates for injury in emergency department (ED) studies. The likelihood of reporting drinking for the same 6-h period each day of the week for a full week preceding the injury event is analysed among injured ED patients. DESIGN AND METHODS: Probability samples of patients 18 years old and older were interviewed in two ED sites in Vancouver and one in Victoria, BC (n = 1191). Generalized estimating equation modelling was used to predict the likelihood of reporting drinking for the same 6-h period prior to the injury event for each day of the week, compared to day 7 as the reference recall day, for a full week preceding the event. Recall by frequency of drinking and frequency of heavy drinking was analysed. RESULTS: Drinking was significantly more likely to be reported for each of the first 3 days of recall compared to 7-day recall and highest for 1-day recall (odds ration 1.55; = 0.002). Patients who reported ≥ weekly drinking and 5+ drinking < monthly were significantly more likely to report drinking for each of the first 3 days of recall (compared to 7-day recall). DISCUSSION: Findings suggest the first 3 days prior to injury may be a less biased multiple-matched control period than longer periods of recall in case-crossover studies. CONCLUSION: Length of accurate recall may be important to consider in case-crossover analysis and other study designs that rely on patient self-report such as the Timeline Followback. [Cherpitel CJ, Ye Y, Stockwell T, Vallance K, Chow C. Recall bias across 7 days in self-reported alcohol consumption prior to injury among emergency department patients.
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) | 0,001 | 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 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 ».