Change in the Relationship Between Drinking Alcohol and Risk of Violence Among Adolescents and Young Adults: A Nationally Representative Longitudinal Study
Notice bibliographique
Résumé
AIMS: To quantify the relationship between alcohol and violence with increasing age. METHODS: Data were from The National Longitudinal Study of Adolescent to Adult Health (ADD Health) of 20,386 people representative of the US population. Mean age at the first wave of interviews was 16.2 years, with subsequent interviews mean of 1, 6.3 and 12.9 years later. We used random-effects models and predictive marginal effects of the association between varying quantities of alcohol consumption and violence while controlling for possible confounders. RESULTS: Violence was reported by 19.1% of participants at wave I but just 2.1% at wave IV. The random-effects model showed that consuming 1-4 drinks on each occasion was associated with a modest increase in risk of violence in both males (odds ratio (OR) 1.36, 95% CI 1.13-1.63) and females (OR 1.33, 95% CI 1.03-1.72). For consumption of five or more drinks on each occasion, the risk remained similar for females (OR 1.40 (0.99-1.97)) but increased considerably for males (OR 2.41 (1.96-2.95)). Predictive marginal effects models confirmed that violence rates decreased with age. CONCLUSIONS: Alcohol is most strongly linked to violence among adolescents, so programmes for primary prevention of alcohol-related violence are best targeted towards this age group, particularly males who engage in heavy episodic drinking.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».