Age-based differences in quantity and frequency of consumption when screening for harmful alcohol use
Notice bibliographique
Résumé
ABSTRACT Aims Survey questions on usual quantity and frequency of alcohol consumption are regularly used in screening tools to identify drinkers requiring intervention. The aim of this study is to examine age-based differences in quantity and frequency of alcohol consumption on the Alcohol Use Disorders Identification Test (AUDIT) and how this relates to the prediction of harmful or dependent drinking Design Cross sectional survey Setting Australia. Participants Data was taken from 17,399 respondents who reported any alcohol consumption in the last year and were aged 18 and over from the 2016 National Drug Strategy Household Survey, a broadly representative cross-sectional survey on substance use. Measurement Respondents were asked about their frequency of consumption, usual quantity per occasion and the other items of the AUDIT. Findings In older drinkers, quantity per occasion (β=0.53 (0.43, 0.64 95%CI in 43-47 year olds as an example) is a stronger predictor of dependence than frequency per occasion (β=0.24 (0.17, 0.31). In younger drinkers the reverse was true with frequency a stronger predictor (β=0.54 (0.39, 0.69) in 23-27 year olds) than quantity (β=0.26 (0.18, 0.34) in 23-27 year olds). Frequency of consumption was not a significant predictor of dependence in respondents aged 73 and over (β=-0.03 (−0.08, 0.02)). Similar patterns were found when predicting harmful drinking. Despite this, since frequency of consumption increased steadily with age, the question on frequency was responsible for at least 65% of AUDIT scores in drinkers aged 53 and over. Conclusions The items with a weaker association with dependent or harmful drinking in younger and older drinkers are the same items with the strongest influence on overall AUDIT scores. Further investigation into age-specific scoring of screening tools is recommended.
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 | 0,003 | 0,011 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».