MétaCan
Menu
Retour à la cohorte
Enregistrement W2996680362 · doi:10.3390/biomedicines7040099

Global Burden of Alcohol Use Disorders and Alcohol Liver Disease

2019· article· en· W2996680362 sur OpenAlexafffund
Jürgen Rehm, Kevin D. Shield

Notice bibliographique

RevueBiomedicines · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensCanada Research ChairsUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineAlcoholic liver diseaseDisease burdenAlcoholLiver diseaseEnvironmental healthDiseaseBurden of diseaseCirrhosisAlcohol use disorderYears of potential life lostAlcohol and healthInternal medicinePopulationAlcohol consumptionLife expectancy

Résumé

récupéré en direct d'OpenAlex

Alcohol use is a major risk factor for burden of mortality and morbidity. Alcoholic liver disease (ALD) and alcohol use disorders (AUDs) are important disease outcomes caused by alcohol use. We will describe the global mortality and burden of disease in disability-adjusted life years for ALD and AUDs, based on data from the comparative risk assessment of the World Health Organization for 2016. AUDs have a limited impact on mortality in this assessment, since alcohol poisonings are almost the only disease category directly attributable to AUDs; most other alcohol-related deaths are indirect, and the cause which directly led to the death, such as liver cirrhosis, is the one recorded on the death certificate. Burden of disease for AUDs is thus mainly due to disability resulting from alcohol use. In contrast to AUDs, ALD is one of the major lethal outcomes of alcohol use, and burden of disease is mainly due to (premature) years of life lost. Many of the negative outcomes attributable to both AUDs and ALD are due to their interactions with other factors, most notably economic wealth. To avoid alcohol-attributable morbidity and mortality, measures should be taken to reduce the AUDs and ALD burden globally, especially among the poor.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
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)0,0130,003

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 Opus0,063
Tête enseignante GPT0,359
Écart entre enseignants0,296 · 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

Citations213
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedicinesMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207