Young Swiss men’s risky single-occasion drinking: Identifying those who do not respond to stricter alcohol policy environments
Notice bibliographique
Résumé
BACKGROUND: Previous research has demonstrated a preventive effect of the alcohol policy environment on alcohol consumption. However, little is known about the heterogeneity of this effect. Our aim was to examine the extent of heterogeneity in the relationship between the strictness of alcohol policy environments and heavy drinking and to identify potential moderators of the relationship. METHODS: Cross-sectional data from 5986 young Swiss men participating in the cohort study on substance use risk factors (C-SURF) were analysed. The primary outcome was self-reported risky single-occasion drinking in the past 12 months (RSOD, defined as 6 standard drinks or more on a single occasion at least monthly). A previously-used index of alcohol policy environment strictness across Swiss cantons was analysed in conjunction with 21 potential moderator variables. Random forest machine learning captured high-dimensional interaction effects, while individual conditional expectations captured the heterogeneity induced by the interaction effects and identified moderators. RESULTS: Predicted subject-specific absolute risk reductions in RSOD risk ranged from 16.8% to - 4.2%, indicating considerable heterogeneity. Sensation seeking and antisocial personality disorder (ASPD) were major moderators that reduced the preventive relationship between stricter alcohol policy environments and RSOD risk. They also were associated with the paradoxical observation that some individuals displayed increased RSOD risk in stricter alcohol policy environments. CONCLUSION: Whereas stricter alcohol policy environments were associated with reduced average RSOD risk, additionally addressing the risk conveyed by sensation seeking and ASPD would deliver an interlocking prevention mix against young Swiss men's RSOD.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».