Age‐based differences in quantity and frequency of consumption when screening for harmful alcohol use
Notice bibliographique
Résumé
BACKGROUND AND 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 was to measure 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 were 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, 95% confidence interval (CI) = 0.43, 0.64 in 43-47-year-olds as an example] was a stronger predictor of dependence than frequency per occasion (β = 0.24, 95% CI = 0.17, 0.31). In younger drinkers the reverse was true, with frequency a stronger predictor (β = 0.54, 95% CI = 0.39, 0.69 in 23-27-year-olds) than quantity (β = 0.26, 95% CI = 0.18, 0.34 in 23-27-year-olds). Frequency of consumption was not a significant predictor of dependence in respondents aged 73 years and over (β = -0.03, 95% CI = -0.08, 0.02). Similar patterns were found when predicting harmful drinking. Despite this, as frequency of consumption increased steadily with age, the question on frequency was responsible for at least 65% of AUDIT scores in drinkers aged 53 years and over. CONCLUSIONS: In younger drinkers, frequent drinking is more strongly linked to dependence and harmful drinking subscale scores on the Alcohol Use Disorders Identification Test (AUDIT) than quantity per occasion, yet quantity per occasion has a stronger influence on the overall AUDIT score in this group. In older drinkers, frequency of consumption is not always a significant predictor of the AUDIT dependence subscale and is a weak predictor of the harmful drinking subscale.
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) | 0,000 | 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 ».