On‐ and off‐licensed premises drinking behaviour among adults in the city of Tshwane, South Africa: An analysis of data from the International Alcohol Control study
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Alcohol use is among the leading risk factors for premature death and morbidity in South Africa. This study sought to identify factors associated with drinking behaviour in on- and off-licensed premises (typical occasion quantity and frequency) among adults in the City of Tshwane, South Africa. DESIGN AND METHODS: A household survey was conducted in 2014, using a multi-stage stratified cluster random sampling design. Participants comprised 982 adults (65% males) aged 18-65 years. Factors explored included socio-demographic variables and situational variables at on- and off-licensed premises. Multiple logistic regression analysis was performed to predict drinking behaviour at on- and off-licensed premises. RESULTS: The majority of the participants consumed alcohol in off-licensed premises (64% vs. 36%). However, participants who consumed alcohol at on-licensed premises were more likely to drink more alcohol and more frequently (weekly). Additionally, participants who consumed alcohol in above-average sized containers were more likely to consume six or more drinks and drink weekly. Being of high socio-economic status was associated with drinking weekly at off-licensed premises, while being less educated was associated with a significantly higher frequency of drinking at on-licensed premises. DISCUSSION AND CONCLUSIONS: Interventions to reduce alcohol use should target specific drinking behaviour at on- and off-licensed premises, for example, regulating the availability of alcohol in big-sized containers and the need for cutting down on quantity of alcohol and frequency of drinking for South African males who drink at on- and off-licensed premises.
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) | 0,000 | 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) | 0,000 | 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 ».