The Global Impact of Alcohol Consumption on Premature Mortality and Health in 2016
Notice bibliographique
Résumé
This study aimed to estimate the impact of alcohol use on mortality and health among people 69 years of age and younger in 2016. A comparative risk assessment approach was utilized, with population-attributable fractions being estimated by combining alcohol use data from the Global Information System on Alcohol and Health with corresponding relative risk estimates from meta-analyses. The mortality and health data were obtained from the Global Health Observatory. Among people 69 years of age and younger in 2016, 2.0 million deaths and 117.2 million Disability Adjusted Life Years (DALYs) lost were attributable to alcohol consumption, representing 7.1% and 5.5% of all deaths and DALYs lost in that year, respectively. The leading causes of the burden of alcohol-attributable deaths were cirrhosis of the liver (457,000 deaths), road injuries (338,000 deaths), and tuberculosis (190,000 deaths). The numbers of premature deaths per 100,000 people were highest in Eastern Europe (155.8 deaths per 100,000), Central Europe (52.3 deaths per 100,000 people), and Western sub-Saharan Africa (48.7 deaths per 100,000). A large portion of the burden of disease caused by alcohol among people 69 years of age and younger is preventable through the implementation of cost-effective alcohol policies such as increases in taxation.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».