Association between Bar Closing Time, Alcohol Use Disorders and Blood Alcohol Concentration: A Cross-Sectional Observational Study of Nightlife-Goers in Perth, Australia
Notice bibliographique
Résumé
Introduction and aims: Associations between bar trading hours, a government lever for controlling alcohol availability, nightlife-goer intoxication levels and their likelihood of alcohol use disorder (AUD) have not been explored. We investigated whether: (i) participant AUD was associated with blood alcohol concentration (BAC); and, (ii) any association between AUD and BAC was moderated by participant preferred bar (i.e., venue spent most time at) closing time. Design and methods: A cross-sectional observational study using a sample of nightlife-goers who went out drinking in Perth, Western Australia, on weekends in 2015-16. Participants who reported alcohol use that night and spent most time in a bar (n = 667) completed street intercept surveys including AUDIT-C (n = 459) and provided a breath sample to estimate BAC (n = 651). We used gender-specific multinomial logistic regression models to explore associations between participant AUDIT-C score (1−4, lower risk; 5−7, hazardous; 8−12, active AUD), preferred bar type (standard vs. late closing time based on absence or presence of an extended trading permit) and BAC (male: 0−0.049, 0.05−0.099, ≥0.1 g/100 mL; female: 0−0.049, 0.05−0.079, ≥0.08 g/100 mL). Results: Males with active AUD (RR = 3.31; 95% CI 1.30−8.42; p = 0.01) and females with hazardous/active AUD (RR = 9.75; 95% CI 2.78−34.21; p < 0.001) were both more likely to have high-range BAC than their counterparts typically drinking at lower risk. We also found preferred bar type moderated the association between AUDIT-C score and BAC for some males but no females. Males with active AUD and high-range BAC were less likely to prefer late closing bars than males usually drinking at lower risk and high-range BAC (RR = 0.12; 95% CI 0.02−0.96; p = 0.046). Discussion and conclusions: Our study provides evidence of positive associations between AUD and acute intoxication among nightlife-goers and on the moderating effect of bar closing times among males.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».