Gender differences in the consumption of alcohol mixed with caffeine and risk of injury
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: There is increasing evidence suggesting the consumption of caffeinated alcoholic beverages is associated with risks over and above alcohol use on its own; however, research in this area remains limited. We examined whether gender differences existed in the relationship between the combined use of alcohol and caffeine (Alc + Caff) and risk for injury. DESIGN AND METHODS: This emergency department study utilised case-control and case-crossover analyses to examine in situ session specific Alc + Caff use and injury risk for men and women, while controlling for socio-demographic variables, dose of alcohol and caffeine, other substance use, risk-taking propensity and context. The sample comprised 2804 individuals aged 18-years or older who presented to three hospital emergency departments in British Columbia. RESULTS: A relationship between Alc + Caff use and increased risk of injury was confirmed. Further, gender differences were found in the risk relationship between Alc + Caff use and injury. Women were found to have a higher risk injury propensity following Alc + Caff use in both the case-control (OR = 3.10, 95% CI = 1.78, 5.84) and case-crossover analyses (OR = 3.21, 95% CI = 1.69, 6.12), relative to men (OR = 1.69, 95% CI = 1.30, 2.30; OR = 1.38, 95% CI = 1.08, 1.86). These results remained even after controlling for demographic factors, risk-taking, context and other substance use. DISCUSSION AND CONCLUSIONS: Women may be at higher risk of injury than men following the consumption of alcohol mixed with caffeine. The findings offer support for differential low-risk drinking guidelines for men and women and the restriction and regulation of the sale and availability of caffeinated alcoholic beverages.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».