MétaCan
Menu
Retour à la cohorte
Enregistrement W3092224341 · doi:10.1024/0939-5911/a000686

Alkoholkonsum in Deutschland und Europa während der SARS-CoV-2 Pandemie

2020· article· de· W3092224341 sur OpenAlexaff
Jakob Manthey, Carolin Kilian, Georg Schomerus, Ludwig Kraus, Jürgen Rehm, Bernd Schulte

Notice bibliographique

RevueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and Practice · 2020
Typearticle
Languede
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceCoronavirus disease 2019 (COVID-19)GynecologyMedicine

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,028
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,008
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,217
Tête enseignante GPT0,503
Écart entre enseignants0,286 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
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

Citations50
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and PracticeMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207