MétaCan
Menu
Retour à la cohorte
Enregistrement W2792001203 · doi:10.1111/add.14173

Unrecorded alcohol use: a global modelling study based on nominal group assessments and survey data

2018· article· en· W2792001203 sur OpenAlexaffabout
Charlotte Probst, Jakob Manthey, Aaron Merey, Margaret Rylett, Jürgen Rehm

Notice bibliographique

RevueAddiction · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental HealthMental Health Research Canada
Organismes subventionnairesnon disponible
Mots-clésConfidence intervalDemographyMedicineAlcoholPopulationQuarter (Canadian coin)Environmental healthGeographyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Alcohol use is among the most important risk factors for burden of disease globally. An estimated quarter of the total alcohol consumed globally is unrecorded. However, due partly to the challenges associated with its assessment, evidence concerning the magnitude of unrecorded alcohol use is sparse. This study estimated country-specific proportions of unrecorded alcohol used in 2015. DESIGN: A statistical model was developed for data prediction using data on the country-specific proportion of unrecorded alcohol use from nominal group expert assessments and secondary, nationally representative survey data and country-level covariates. SETTING: Estimates were calculated for the country level, for four income groups and globally. PARTICIPANTS: A total of 129 participants from 49 countries were included in the nominal group expert assessments. The survey data comprised 66 538 participants from 16 countries. MEASUREMENTS: Experts completed a standardized questionnaire assessing the country-specific proportion of unrecorded alcohol. In the national surveys, the number of standard drinks of total and unrecorded alcohol use was assessed for the past 7 days. FINDINGS: Based on predictions for 167 countries, a population-weighted average of 27.9% [95% confidence interval (CI) = 10.4-44.9%] of the total alcohol consumed in 2015 was unrecorded. The proportion of unrecorded alcohol was lower in high (9.4%, 95% CI = 2.4-16.4%) and upper middle-income countries (18.3%, 95% CI = 9.0-27.6%) and higher in low (43.1%, 95% CI = 26.5-59.7%) and lower middle-income countries (54.4%, 95% CI = 38.1-70.8%). This corresponded to 0.9 (high-income), 1.2 (upper middle-income), 3.2 (lower middle-income) and 1.8 (low-income) litres of unrecorded alcohol per capita. CONCLUSIONS: A new method for modelling the country-level proportion of unrecorded alcohol use globally showed strong variation among geographical regions and income groups. Lower-income countries were associated with a higher proportion of unrecorded alcohol than higher-income countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,176
Tête enseignante GPT0,391
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207