The distribution of alcohol-attributable healthcare encounters across the population of alcohol users in Ontario, Canada
Notice bibliographique
Résumé
Recent evidence suggests there may be no safe level of alcohol use as even low levels are associated with increased risk for harm. However, the magnitude of the population-level health burden from lower levels of alcohol use is poorly understood. The objective was to estimate the distribution of alcohol-attributable healthcare encounters (emergency department (ED) visits and hospitalizations) across the population of alcohol users aged 15+ in Ontario, Canada. Using the International Model of Alcohol Harms and Policies (InterMAHP) tool, wholly and partially alcohol-attributable healthcare encounters were estimated across alcohol users: (1) former (no past-year use); (2) low volume (≤67.3 g ethanol/week); (3) medium volume (>67.3-134.5 g ethanol/week for women and >67.3-201.8 g ethanol/week for men); and (4) high volume (>134.5 g ethanol/week for women and >201.8 g ethanol/week for men). The alcohol-attributable healthcare burden was distributed across the population of alcohol users. A small population of high volume users (23% of men, 13% of women) were estimated to have contributed to the greatest proportion of alcohol-attributable healthcare encounters, particularly among men (men: 65% of ED visits and 71% of hospitalizations, women: 49% of ED visits and 50% of hospitalizations). The 71% of women low and medium volumes users were estimated to have contributed to a substantial proportion of alcohol-attributable healthcare encounters (47% of ED visits and 34% of hospitalizations). Findings provide support for universal alcohol policies (i.e., delivered to the entire population) for reducing population-level alcohol-attributable harm in addition to targeted policies for high-risk users.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».