MétaCan
Menu
Retour à la cohorte
Enregistrement W3024891290 · doi:10.1159/000507017

Alcohol Use and Cancer in the European Union

2020· review· en· W3024891290 sur OpenAlexaff
Jürgen Rehm, Kevin D. Shield

Notice bibliographique

RevueEuropean Addiction Research · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerEuropean unionEnvironmental healthColorectal cancerPopulationAlcoholBreast cancerIncidence (geometry)DemographyInternal medicineBusinessBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cancers constitute a major non-communicable disease category globally and in the European Union (EU). SUMMARY: Alcohol use has been established as a major cause of cancer in humans. Principal cancer agencies agree that the following cancer sites are causally impacted by alcohol: lip and oral cavity, pharynx (excluding nasopharynx), oesophagus, colon and rectum, liver, (female) breast, and larynx. For all of these cancer sites, there is a dose-response relationship with no apparent threshold: the higher the average level of consumption, the higher the risk of cancer incidence. In the EU in 2016, about 80,000 people died of alcohol-attributable cancer, and about 1.9 million years of life were lost due to premature mortality or due to disability. Key messages: Given the above-described impact of alcohol on cancer, public awareness about the alcohol-cancer link needs to be increased. In addition, effective alcohol policy measures should be implemented. As a large part of alcohol-attributable cancers are in low and moderate alcohol users, in particular for females, general population measures such as increases in taxation, restrictions on availability, and bans on marketing and advertisement are best suited to reduce the alcohol-attributable cancer burden.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,506
Tête enseignante GPT0,529
Écart entre enseignants0,023 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Addiction ResearchMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207