MétaCan
Menu
Retour à la cohorte
Enregistrement W4282831066 · doi:10.1024/0939-5911/a000767

Alcohol Consumption Levels and Health Care Utilization in Germany

2022· article· en· W4282831066 sur OpenAlexaff
Sinclair Carr, Christina Lindemann, Ludwig Kraus, Jürgen Rehm, Bernd Schulte, Jakob Manthey

Notice bibliographique

RevueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and Practice · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesBundesministerium für Gesundheit
Mots-clésMedicineOdds ratioConfidence intervalConfoundingLogistic regressionOddsDemographyAmbulatory careAlcohol use disorderAlcohol consumptionHealth careEnvironmental healthEmergency medicineInternal medicineAlcohol

Résumé

récupéré en direct d'OpenAlex

Abstract: Aims: Due to large inconsistencies in previous studies, it remains unclear how alcohol use is related to health care utilization. The aim of this study was to examine associations between alcohol drinking status with utilization of outpatient and inpatient health care services in Germany. Methodology: Survey data of the GEDA 2014/2015-EHIS study with n = 23,561 German adults were analyzed (response rate: 27 %). Respondents were categorized as lifetime abstainers, former drinkers, and non-weekly drinkers, as well as weekly low-risk drinkers and risky drinkers. Outpatient services included GP, specialist, and hospital visits; inpatient services included hospital overnight stays in the last 12 months. For both settings, binary logistic regression models were applied, adjusted for possible confounders. Results: For specialist visits, elevated odds were found among former drinkers (odds ratio (OR) = 1.93, 95 % confidence interval (95 % CI) = 1.50-2.49), non-weekly drinkers (OR = 1.24, 95 % CI = 1.05-1.47), weekly low-risk drinkers (OR = 1.39, 95 % CI = 1.17-1.67), and risky drinkers (OR = 1.28, 95 % CI = 1.04-1.57) compared to lifetime abstainers. In contrast, lower odds for inpatient service use were found among non-weekly drinkers (OR = 0.76, 95 % CI = 0.62-0.93), low-risk drinkers (OR = 0.66, 95 % CI = 0.53-0.81), and risky drinkers (OR = 0.65, 95 % CI = 0.51-0.84). No differences were observed for GP and outpatient hospital visits. Conclusions: While the increased odds of consulting a specialist are consistent with higher health care needs among former and current drinkers, the lower use of inpatient care among current drinkers is contrary to known health risks associated with alcohol consumption and evidence from hospitalized populations. The findings also highlight the need to differentiate between lifetime abstainers and former drinkers in their use of health services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,186
Tête enseignante GPT0,487
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and PracticeMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207