Alcohol consumption in Iran: A systematic review and meta‐analysis of the literature
Notice bibliographique
Résumé
ISSUES: Alcohol production, marketing and consumption are illegal in Iran. This systematic review examines the lifetime and last 12-month prevalence of alcohol consumption among the general and young population in Iran. APPROACH: We searched Web of Science, PubMed, Embase, Scopus and Iranian scientific databases (i.e. Scientific Information Database and Magiran) for relevant publications in English and Persian from inception to 12 May 2019. Following a random-effects meta-analysis, we estimated the pooled prevalence of alcohol consumption among the general population and young people (<30 years old). Meta-regression was used to identify potential sources of heterogeneity. KEY FINDINGS: Of the 2400 identified records, 62 met the inclusion criteria. The overall pooled prevalence of lifetime alcohol consumption among the general population and young people was 13.0% [95% confidence intervals (CI) 10.0, 16.0]. The overall pooled prevalence of last 12-month alcohol consumption was 12.0% (95% CI 7.0, 18.0) for the general population and 15.0% (95% CI 9.0, 22.0) for young people. The prevalence of alcohol consumption varied from 0.03% to 68.0% in different regions, 0.3% to 66.6% among males and 0.2% to 21.0% among females. IMPLICATIONS: Our findings highlight the need for public health surveillance of alcohol use in Iran. CONCLUSION: These estimates show that, on average, one in eight people in the general population have ever consumed alcohol in Iran, indicating that alcohol consumption is not an uncommon practice in the country.
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) | 0,014 | 0,003 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».