Alcohol Use Disorders Identification Test (AUDIT) and mortality risk: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: We summarise the evidence for an association between screening scores from the Alcohol Use Disorders Identification Test (AUDIT) and all-cause mortality. METHODS: Using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines, prospective cohort studies reporting all-cause mortality risk by AUDIT scores (complete AUDIT-10 or AUDIT-C) were identified through MEDLINE, Embase, PubMed and Web of Science up to September 2016. Risk estimates were pooled using random effects meta-analyses. RESULTS: Seven observational studies with 18 920 observed deaths among 309 991 participants were identified. At-risk drinking (ie, hazardous/harmful consumption, AUDIT-10 ≥8 and AUDIT-C ≥4) was associated with elevated mortality risk after 2-10 years of follow-up (pooled relative risk (RR)=1.24, 95% CI 1.12 to 1.37) compared with moderate drinking (AUDIT-10=1-7, AUDIT-C=1-3). Compared to past year abstainers (AUDIT=0), moderate drinkers had a lower mortality risk (RR=0.75, 95% CI 0.71 to 0.79) in US Veterans and a similar mortality risk (RR=0.99, 95% CI 0.72 to 1.38) in population-based studies. Most data came from studies among Veterans using the short AUDIT-C in men and showed a dose-response relationship (RR=1.04, 95% CI 1.04 to 1.05 for each AUDIT-C score among drinkers). Data for women and young adults were scarce. CONCLUSION: AUDIT screening scores were associated with mortality risk. The association was differential depending on the population examined, which may be related to prevalence of former drinkers among current abstainers. Due to heterogeneity between studies and the small number of populations examined, generalisability may be limited.
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 | 0,061 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,020 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».