MétaCan
Menu
Retour à la cohorte
Enregistrement W3028913530 · doi:10.1093/alcalc/agaa048

Why Is Per Capita Consumption Underestimated in Alcohol Surveys? Results from 39 Surveys in 23 European Countries

2020· article· en· W3028913530 sur OpenAlexafffund
Carolin Kilian, Jakob Manthey, Charlotte Probst, Geir Scott Brunborg, Elin K. Bye, Ola Ekholm, Ludwig Kraus, Jacek Moskalewicz, Janusz Sierosławski, Jürgen Rehm

Notice bibliographique

RevueAlcohol and Alcoholism · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesInstitute of Neurosciences, Mental Health and AddictionCanadian Institutes of Health Research
Mots-clésPer capitaAlcohol consumptionConsumption (sociology)Environmental healthEconomicsEconometricsAlcoholMedicinePopulationChemistry

Résumé

récupéré en direct d'OpenAlex

AIMS: The aims of the article are (a) to estimate coverage rates (i.e. the proportion of 'real consumption' accounted for by a survey compared with more reliable aggregate consumption data) of the total, the recorded and the beverage-specific annual per capita consumption in 23 European countries, and (b) to investigate differences between regions, and other factors which might be associated with low coverage (prevalence of heavy episodic drinking [HED], survey methodology). METHODS: Survey data were derived from the Standardised European Alcohol Survey and Harmonising Alcohol-related Measures in European Surveys (number of surveys: 39, years of survey: 2008-2015, adults aged 20-64 years). Coverage rates were calculated at the aggregated level by dividing consumption estimates derived from the surveys by alcohol per capita estimates from a recent global modelling study. Fractional response regression models were used to examine the relative importance of the predictors. RESULTS: Large variation in coverage across European countries was observed (average total coverage: 36.5, 95% confidence interval [CI] [33.2; 39.8]), with lowest coverage found for spirits consumption (26.3, 95% CI [21.4; 31.3]). Regarding the second aim, the prevalence of HED was associated with wine- and spirits-specific coverage, explaining 10% in the respective variance. However, neither the consideration of regions nor survey methodology explained much of the variance in coverage estimates, regardless of the scenario. CONCLUSION: The results reiterate that alcohol survey data should not be used to compare or estimate aggregate consumption levels, which may be better reflected by statistics on recorded or total per capita consumption.

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)0,032
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,045
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,310
Écart entre enseignants0,220 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

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

En bref

Citations74
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlcohol and AlcoholismMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207