Alcohol use among sexual minority women: Methods used and lessons learned in the 20-Year Chicago Health and Life Experiences of Women Study
Notice bibliographique
Résumé
Background: Two decades ago, there was almost no research on alcohol use among sexual minority women (SMW, e.g., lesbian, bisexual). Since then, a growing body of scientific literature documents substantial sexual orientation-related disparities in alcohol use and alcohol-related problems. Research has identified multiple risk factors associated with high-risk/hazardous drinking among SMW. However, this research has almost exclusively used cross-sectional designs, limiting the ability to draw conclusions about processes through which sexual minority status affects alcohol use. Longitudinal designs, although very rare in research on alcohol use among SMW, are important for testing mediational mechanisms and necessary to understanding how changes in social determinants impact alcohol use. Aim: To describe the processes and lessons learned in conducting a 20-year longitudinal study focused on alcohol use among SMW. Methods: The Chicago Health and Life Experiences of Women (CHLEW) study includes five waves of data collection (2000-present) with an age and racially/ethnically diverse sample of 815 SMW (ages 18-83) originally recruited in the Chicago Metropolitan Area in Illinois, a midwestern state in the United States (U.S.). Measures and focus have evolved over the course of the study. Results: The CHLEW study is the longest-running and most comprehensive study of SMW's drinking in the U.S. or elsewhere. Findings reported in more than 50 published manuscripts have contributed to understanding variations in SMW's risk for hazardous/harmful drinking based on sexual identity, age, race/ethnicity, sex/gender of partner, and many other factors. Conclusions: By describing the process used in conducting this long-term study, its major findings, and the lessons learned, we hope to encourage and support other researchers in conducting longitudinal research focused on SMW's health. Such research is critically important in understanding and ultimately eliminating sexual orientation-related health disparities.
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 | 0,064 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».