Alkoholkonsum in Deutschland und Europa während der SARS-CoV-2 Pandemie
Notice bibliographique
Résumé
Zusammenfassung. Zielsetzung: Ziel der vorliegenden Studie war, die Veränderung des Alkoholkonsums während der SARS-CoV-2 Pandemie in Deutschland zu untersuchen und mit derer anderer europäischer Länder zu vergleichen. Methodik: Analyse von soziodemographischen und sozioökonomischen Daten sowie Angaben zur Veränderung des Alkoholkonsums seit der Pandemie in einer europaweiten Onlinebefragung (n=40.064) aus 21 Ländern. Zur Anpassung an die Bevölkerungsverteilung in den Ländern erfolgte eine Gewichtung anhand von Geschlecht, Alter und Bildungsabschluss. Ergebnisse: Seit Beginn der Pandemie wurde im Mittel weniger Alkohol getrunken. Der Rückgang des Konsums ist vor allem auf eine Reduktion der Gelegenheiten zum Rauschtrinken zurückzuführen. Der Alkoholkonsum ist in Deutschland weniger stark als in anderen Europäischen Ländern zurückgegangen. Gründe dafür sind Zunahmen im Alkoholkonsum bei Frauen sowie bei Personen, die negative Auswirkungen in Beruf und Finanzen erlebt haben und bei Personen mit riskanten Konsummustern. Schlussfolgerungen: Um den negativen Folgen des in Teilgruppen verstärkten Alkoholkonsums während der Pandemie entgegenzuwirken, sollte die Verfügbarkeit von Alkohol durch eine sinnvolle Besteuerung reduziert sowie eine Ausweitung routinemäßiger Alkoholscreenings in der allgemeinärztlichen Versorgung umgesetzt werden.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».