Abstract P231: Alcohol Consumption and Hospitalization Risk: Prospective Results From the Moli-sani Study
Notice bibliographique
Résumé
Introduction: To evaluate the broad impact of alcohol on health and healthcare utilization, the dose-response relationship of alcohol intake with all-cause and cause-specific hospitalizations was examined. Methods: In the Moli-sani study, an Italian population-based cohort, we followed 20,682 initially healthy individuals (48% men, age ≥35 y) free of CVD or cancer. Alcohol intake in the year before enrolment was assessed by the Italian EPIC-FFQ and classified as: abstainers (referent), ex-drinkers, occasional drinkers (<1 gr/day), 1-12, 12.1-24, 24.1-48 and >48 gr/day. We identified hospitalizations by linkage to the regional hospitalization registry. Cause-specific hospitalizations were assigned by the ICD9 code of the primary admission diagnosis. We estimated incidence rate ratios (IRR) for admission by Poisson regression, accounting for repeated hospitalizations. Results: At baseline, 27% of participants were abstainers, 3% ex-drinkers, 6% occasional drinkers and 64% regular current drinkers. During a median follow-up of 6.3 y, 12,996 hospital admissions occurred. In multivariable analyses, occasional consumption and intake up to 48 gr/day were associated with a lower risk of all-cause hospitalization than was abstention. There was a roughly dose-dependent association with lower risk of hospitalization for vascular disease. Excessive alcohol consumption was associated with a higher risk of hospitalization for alcohol-related diseases (IRR: 1.92, 95% CI: 1.43-2.59) and for cancer (IRR: 1.33, 95% CI: 1.08-1.63). Former drinkers were at higher risk for vascular and alcohol-related hospitalization. No association was observed with hospitalization for trauma. Conclusions: Heavy alcohol consumption is associated with higher risk of hospitalization for alcohol-attributable conditions and cancer, but intake up to 48 gr/day is associated with lower risk of all-cause and vascular hospitalization. These estimates highlight the different healthcare burden imposed by varying levels of alcohol intake.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».