Why Is Per Capita Consumption Underestimated in Alcohol Surveys? Results from 39 Surveys in 23 European Countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 0,001 |
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.
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 découle