Improved estimates for individual and population-level alcohol use in the United States, 1984-2020
Notice bibliographique
Résumé
Aims: While nationally representative alcohol surveys are a mainstay of public health monitoring, they underestimate consumption at the population level. This paper demonstrates how to adjust individual-level survey data using aggregated alcohol per capita (APC) data for improved individual- and population-level consumption estimates. Design and Methods: For the period 1984-2020, data on self-reported alcohol consumption in the past 30 days were taken from the Behavioral Risk Factor Surveillance System (BRFSS) involving participants (18+ years) in the United States (US). Monthly abstainers were reallocated into lifetime abstainers, former drinkers, and 12-month drinkers using the 2005 National Alcohol Survey data. To correct for under-coverage of alcohol use, we triangulated APC and survey data by upshifting quantity (average grams/day) and frequency (drinking days/week) of alcohol use based on national- and state-level APC data. Results were provided for the US as a whole and for selected states to represent different drinking patterns. Findings: The corrections described above resulted in improved correspondence between survey and APC data. Following our procedure, national estimates of alcohol quantity increased from 45% to 77% of APC estimates. Both quantity and frequency of alcohol use were upshifted; by upshifting to 90% of APC, we were able to fit trends and distributions in APC patterns for individual states and the US. Conclusions: An individual-level dataset which more accurately reflects the alcohol use of US citizens was achieved. This dataset will be invaluable as a research tool and for the planning and evaluation of alcohol control policies for the US. The methodology described can also be used to adjust individual-level alcohol survey data in other geographical settings.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 | 0,001 |
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 ».