Dose–Response Relationships between Levels of Alcohol Use and Risks of Mortality or Disease, for All People, by Age, Sex, and Specific Risk Factors
Notice bibliographique
Résumé
Alcohol use has been causally linked to more than 200 disease and injury conditions, as defined by three-digit ICD-10 codes. The understanding of how alcohol use is related to these conditions is essential to public health and policy research. Accordingly, this study presents a narrative review of different dose-response relationships for alcohol use. Relative-risk (RR) functions were obtained from various comparative risk assessments. Two main dimensions of alcohol consumption are used to assess disease and injury risk: (1) volume of consumption, and (2) patterns of drinking, operationalized via frequency of heavy drinking occasions. Lifetime abstention was used as the reference group. Most dose-response relationships between alcohol and outcomes are monotonic, but for diabetes type 2 and ischemic diseases, there are indications of a curvilinear relationship, where light to moderate drinking is associated with lower risk compared with not drinking (i.e., RR < 1). In general, women experience a greater increase in RR per gram of alcohol consumed than men. The RR per gram of alcohol consumed was lower for people of older ages. RRs indicated that alcohol use may interact synergistically with other risk factors, in particular with socioeconomic status and other behavioural risk factors, such as smoking, obesity, or physical inactivity. The literature on the impact of genetic constitution on dose-response curves is underdeveloped, but certain genetic variants are linked to an increased RR per gram of alcohol consumed for some diseases. When developing alcohol policy measures, including low-risk drinking guidelines, dose-response relationships must be taken into consideration.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».