Alcohol consumption in India: a systematic review and modelling study for sub‐national estimates of drinking patterns
Notice bibliographique
Résumé
BACKGROUND AND AIMS: In India, alcohol per capita consumption (APC) has substantially increased over the past 2 decades. Although consumption does vary across the country, consistent state-level data are lacking. We aimed to identify all state-level alcohol exposure estimates since 2000 to (i) model consistent current drinking (CD) (12 months) prevalence estimates for all 36 states/union territories (UT) in 2019 and (ii) compare state-level CD trends with national-level APC trends. DESIGN: A systematic review for studies on the Indian state-level prevalence of CD, lifetime abstinence (LA), alcohol use disorders (AUD) or the quantity of alcohol consumed among current drinkers (QU) was conducted. Subsequently, statistical modelling was applied. SETTING: Data were collected and modelled for all Indian states/UTs. PARTICIPANTS: Studies since 2000 referring to the general adult population (≥15 years) of at least one Indian state/UT were eligible. The total sample size covered was ~29 600 000 (males: females, 1:1.6). MEASUREMENTS: Results on LA, AUD and QU were summarized descriptively. For (i) the state-, sex- and age-specific CD prevalence was estimated using random intercept fractional response models. For (ii) random intercept and slope models were performed. FINDINGS: Of 2870 studies identified, 30 were retained for data extraction. LA, AUD and QU data were available for 31, 36 and 12 states/UTs, respectively. CD model estimates ranged from 6.4% (95% CI = 2.1%-18.1%; males) in Lakshadweep and 1.3% (95% CI = 0.7%-2.6%; females) in Delhi to 76.1% (95% CI = 68.1%-82.6%; males) and 63.7% (95% CI = 49.4%-75.7%; females) in Arunachal Pradesh. Over time, CD decreased in most states/UTs in the observed data, contradicting increasing national-level APC trends. CONCLUSIONS: Alcohol use (measured as consistent current drinking) in India has large regional variations, with alcohol consumption being most prevalent in the North-East, Chhattisgarh, Telangana, Himachal Pradesh, Punjab and Jharkhand.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».