Contextual predictors of AUDIT scores among adult men living in India
Notice bibliographique
Résumé
Madden, D., Rathi, L., Stewart, A., & Clapp, J. (2017). Contextual predictors of AUDIT scores among adult men living in India. The International Journal Of Alcohol And Drug Research, 6(1), 53-58. doi:http://dx.doi.org/10.7895/ijadr.v6i1.241Introduction: Currently, little is known about the prevalence of alcohol use in India. In order to begin to address this knowledge gap, this exploratory study examined contextual aspects of drinking events and the relationship between these factors and high-risk drinking.Methods: A convenience sample of 198 adult men was recruited from rural areas adjacent to the city of Nagpur. Participants were sampled in two waves. Respondents in both waves completed a nine-item survey that addressed alcohol use, including motivation to drink, where one drinks, and with whom one drinks. Demographic characteristics (e.g., income) were also recorded. Respondents recruited in the second wave (n = 98) completed the Alcohol Use Disorders Identification Test (AUDIT). The data were analyzed using Poisson regression models.Results: Of those who completed the AUDIT, 37% were at high risk for developing an alcohol-use disorder (i.e., received a score of 20 or greater). Participants had higher AUDIT scores (i.e., alcohol-use problems) when they reported typically buying alcohol in a shop. Furthermore, respondents with greater weekly incomes and those who drink with the motivation to get very drunk have higher AUDIT scores.Conclusions: This study found an alarmingly high rate of alcohol use and alcohol-related issues among respondents. A better understanding of drinking patterns and contextual aspects of drinking events is warranted.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».