What is the best indicator of the harmful use of alcohol? A narrative review
Notice bibliographique
Résumé
ISSUES: The monitoring of the harmful use of alcohol is a key focus of global health efforts, including the Sustainable Development Goals. The current indicator of harmful alcohol use for Sustainable Development Goals is the national adult (15+ years) alcohol per capita consumption (APC) in litres of pure alcohol. Recently, the age-standardised prevalence of heavy episodic drinking (HED) has been advanced as an alternative indicator. APPROACH: This narrative review is composed of a review of advantages and disadvantages of both indicators and an empirical analysis of their associations with alcohol-attributable health harm. KEY FINDINGS: APC is greatly associated with harm and is available for almost all countries on a yearly basis as it is largely derived from routinely collected statistics. HED is based on responses to population surveys not routinely performed for most countries. These surveys commonly exclude heavy drinking populations (e.g. army personnel, institutionalised, homeless). Even when included within the sampling frame, heavy drinkers are less likely to participate than other groups. The questions used to measure HED are susceptible to biases due to issues with respondents' comprehension, recall and misreporting. Furthermore, in a regression analysis of 182 countries, APC was better at predicting alcohol-attributable harm than HED. APC was also correlated with changes in the alcohol-attributable burden of disease (from 2010 to 2016), while HED was not. IMPLICATIONS: Based on these factors, APC was found to be the preferred indicator. CONCLUSIONS: APC should be retained as the main indicator of the harmful use of alcohol.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».