MétaCan
Menu
Retour à la cohorte
Enregistrement W2952621181 · doi:10.36829/63cts.v4i2.499

Factores de vulnerabilidad en adolescentes y su relación con el consumo de alcohol

2017· article· es· W2952621181 sur OpenAlexaff
Estuardo J. Monjes-Ávila

Notice bibliographique

RevueCiencia Tecnologí­a y Salud · 2017
Typearticle
Languees
DomaineHealth Professions
ThématiqueHealth and Lifestyle Studies
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesAlcohol consumptionMedicineArtAlcoholChemistry

Résumé

récupéré en direct d'OpenAlex

En este estudio se analizan los principales factors de vulnerabilidad que influyen en el hábito de consumo de alcohol en adolescentes entre 15 y 19 años de las instituciones educativas privadas de nivel de diversificado. Se realizó un estudio cuantitativo analítico transversal en seis instituciones educativas privadas (Colegios Valladolid, San Sebastián, El Deber, de Señoritas Santa Inés, San José de los Infantes e Instituto Tecnológico de Computación) durante los meses de junio y julio del 2017 en los municipios de Guatemala y Mixco, Guatemala, con una muestra de 416 estudiantes. El 65% ha consumido bebidas alcohólicas durante el último año. Sobre los que sí han consumido bebidas alcohólicas, el 64.6% es menor de 18 años, el 80% pertenece al sexo masculino, el 42% tiene familiares en primer grado que consumen alcohol de manera patológica, el 76% refiere que es habitual el consumo de bebidas alcohólicas en reuniones sociales, el 87% de los consumidores no considera que la legislación que prohíbe la venta de bebidas alcohólicas a menores de 18 años sea un impedimento para consumir bebidas alcohólicas. Las variables que presentaron asociación significativa fueron: el factor cultura y normas y el factor contexto del consumo de alcohol, los cuales pueden servir de predictores del consumo. El valor predictivo de consumo de alcohol con las variables indicadas, fue de 81.2%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,077
Tête enseignante GPT0,458
Écart entre enseignants0,381 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCiencia Tecnologí­a y SaludMême sujetHealth and Lifestyle StudiesTravaux en français237 207