MétaCan
Menu
Retour à la cohorte
Enregistrement W2943942848 · doi:10.7895/ijadr.257

Setting a Cap on the Maximum Average Number of Drinks Per Day in Australian Survey Research

2019· article· en· W2943942848 sur OpenAlexvenueno aff
Sarah Callinan

Notice bibliographique

RevueThe International Journal of Alcohol and Drug Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research CouncilMassey UniversityHealth Promotion AgencyAustralian National Preventive Health Agency
Mots-clésConsumption (sociology)Alcohol consumptionStatisticsSurvey researchRange (aeronautics)Point (geometry)PsychologyDemographyEconometricsEnvironmental healthMedicineMathematicsApplied psychologyEngineeringAlcohol

Résumé

récupéré en direct d'OpenAlex

Aims: The aim of this study is to assess the impact of the cap level on total consumption and a range of variables including negative consequences. Design, Setting, and Participants: Cross sectional survey in Australia with 2,020 Australians aged 16 and over.Measures: Participants completed a detailed survey on their alcohol consumption with no methodological limit on consumption.Findings: Setting a cap on high levels of consumption can significantly decrease the mean level of consumption. While the relationship between consumption and related variables do not change significantly, the relationship with negative consequences strengthens as the cap lowers, and the relationship with purchases decreases for uncapped data and data with low caps, providing some guidance on where a cap would be best placed.Conclusions: Consideration of where to set a maximum daily consumption level in survey research should be not only based on what could be feasibly consumed, but also on the point at which a very high reported consumption level is more likely to have been reported in error than as a reflection of reality. Checking the relationship between consumption and related variables, with different caps applied before selecting a capping level, is recommended.

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)0,016
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,026
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,106
Tête enseignante GPT0,431
Écart entre enseignants0,326 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Alcohol and Drug ResearchMême sujetObesity, Physical Activity, DietTravaux en français237 207