High Intensity Drinking (HID) Assessed by Maximum Quantity Consumed Is an Important Pattern Measure Adding Predictive Value in Higher and Lower Income Societies for Modeling Alcohol-Related Problems
Notice bibliographique
Résumé
Adjusting for demographics and standard drinking measures, High Intensity Drinking (HID), indexed by the maximum quantity consumed in a single day in the past 12 months, may be valuable in predicting alcohol dependence other harms across high and low income societies. The data consisted of 17 surveys of adult (15,460 current drinkers; 71% of total surveyed) in Europe (3), the Americas (8), Africa (2), and Asia/Australia (4). Gender-disaggregated country analyses used Poison regression to investigate whether HID (8-11, 12-23, 24+ drinks) was incrementally influential, beyond log drinking volume and HED (Heavy Episodic Drinking, or 5+ days), in predicting drinking problems, adjusting for age and marital status. In adjusted models predicting AUDIT-5 for men, adding HID improved the overall model fit for 11 of 15 countries. For women, 12 of 14 countries with available data showed an improved fit with HID included. The results for the five Life-Area Harms were similar for men. Considering the results by gender, each country showing improvements in model fit by adding HID had larger values of the average difference between high intensity and usual consumption, implying variations in amounts consumed on any given day. The amount consumed/day often greatly exceeded HED levels. In many societies of varying income levels, as hypothesized, HID provided important added information on drinking patterns for predicting harms, beyond the standard volume and binging indicators.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».