Characteristics and Predictors of Heavy Episodic Drinking (HED) among Young People Aged 16–25: The International Alcohol Control Study (IAC), Tshwane, South Africa
Notice bibliographique
Résumé
In South Africa, little is known about alcohol consumption patterns, such as drinks consumed, container size, salience of alcohol price, affordability and availability, and perceptions of alcohol policies as potential predictors of heavy episodic alcohol (HED) use among young people. This paper examines predictors of HED among young people with specific consideration given to these alcohol consumption patterns. This study conducted in the Tshwane Metropole in 2014 employed multi-stage stratified cluster random sampling. Participants were between the ages 16–25 years. A structured questionnaire was used to collect data. Of the 287 (n = 678) participants who had used alcohol in the past six months and for whom we had complete consumption data, almost half were identified as heavy episodic drinkers (HEDs) and were significantly more likely to consume alcohol on a daily basis (p = 0.001). Having nightclub as the primary drinking location (p = 0.023) and drinking from a container size bigger than one standard drink (p = 0.014) were significant predictors for HED. HEDs were also more likely to have a perception that most people consume alcohol (p = 0.047). The results point to HED of alcohol among young people who drink in South Africa, highlighting the need for multicomponent interventions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».