Liver Transplant Recipients Speak Out on Public Awareness and Education Surrounding Alcohol-Related Health Effects: A Survey Study
Notice bibliographique
Résumé
BACKGROUND: Compared to other recreational substances in Canada, alcohol consumption incurs the highest healthcare costs. Liver transplant recipients are unique stakeholders as members of the general public with lived experiences of liver disease. We sought to explore their perspectives on the current state of public education on alcohol-related health effects. METHODS: The most recent 400 liver transplant recipients at Vancouver General Hospital, Canada, were invited to participate in an anonymous online survey on alcohol-related health effects by mail, email, and phone. RESULTS: Of 372 contacted patients, 212 (57%) completed the survey. Most patients were between 60-79 years, 63% were male, and 69% were Caucasian. The most common liver conditions leading to transplant were viral hepatitis (33%), alcohol-related liver disease (16%), autoimmune liver disease (14%), and non-alcoholic fatty liver disease (15%). Most patients knew that alcohol leads to liver failure (85%), but fewer knew about alcohol leading to cancer (54%), heart disease (50%), and damage to other organs (58%). Most common sources of information included public media (61%), family and friends (52%), and physicians (49%), with narrative comments about learning of alcohol-related health effects after liver diagnosis. Most patients believed that public health education at a middle/high school level would have long-term efficacy (72%) compared to health warning labels (33%) and safety messaging in commercials (39%). Current public education was felt to be adequate by only 20% of patients and 73% of patients supported health warning labels. CONCLUSIONS: Liver transplant patients reported a high, but not universal, awareness of alcohol-related health effects. A majority thought that current public health efforts were inadequate; it is critical to implement public health interventions to ensure consumers are able to make an informed decision on alcohol consumption.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,003 | 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 ».