MétaCan
Menu
Retour à la cohorte
Enregistrement W4386789315 · doi:10.33137/utjph.v4i1.40525

Prevention Paradox and the Case for Universal Alcohol Policies

2023· article· en· W4386789315 sur OpenAlexaffabout
Alessandra T. Andreacchi, Brendan T. Smith, Erin Hobin

Notice bibliographique

RevueUniversity of Toronto Journal of Public Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of VictoriaPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHarmMedicinePopulationEnvironmental healthDemographyAlcoholEmergency departmentAlcohol consumptionHealth careAddictionConsumption (sociology)Occupational safety and healthGerontologyPsychiatryPsychologySocial psychologyPolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

Background: Alcohol is a leading cause of death and disability in Canada. Governments in Ontario have been weakening universal alcohol policies, including controls on price and availability, while increasing investment in addiction treatment for high-risk individuals. According to Rose’s “prevention paradox”,1 more disease cases accrue in populations with low or moderate disease risk (i.e., low and medium volume users) because they are more numerous in the population than those at higher risk (i.e., high volume users). It is important to understand “who” experiences health harm from alcohol and at “what” level of consumption to inform policy that addresses alcohol-attributable health harm in Canada. Objective: To describe the distribution of alcohol-attributable healthcare encounters (emergency department (ED) visits and hospitalizations) across the drinking population in Ontario in 2019. Methods: The International Model of Alcohol Harms and Policies estimated alcohol-attributable healthcare encounters experienced across male and female drinking groups: (1) former (no past-year consumption); (2) low volume (≤5 standard drinks (SD)/week for females and males); (3) medium volume (>5 to 10 SD/week for females and >5 to 15 SD/week for males); and (4) high volume (>10 SD/week for females and >15 SD/week for males) (1 SD=13.45g ethanol). Healthcare encounters in Ontario included all fully and partially alcohol-attributable ED visits (n=231,914) in 2019 and hospitalizations (n=34,158) in 2018. Alcohol use exposure data were obtained from the Canadian Substance Use Exposure Database. Results: High volume drinkers (males: 23%, females: 13%) experienced a large portion of all alcohol-attributable ED visits (males: 65%, females: 49%) and hospitalizations (males: 71%, females: 50%). However, substantial healthcare encounters occurred among low and medium volume drinkers, especially among females. For example, 63% of females (males: 44%) were low volume drinkers who consumed 22% (males: 7%) of alcohol sold and experienced 31% and 20% (males: 14% and 7%) of alcohol-attributable ED visits and hospitalizations, respectively. Discussion: Evidence from Ontario supports the prevention paradox as substantial alcohol-attributable healthcare encounters were experienced among low and medium volume drinkers. Evidence-informed universal policy approaches are necessary to reduce population-level alcohol-attributable harm in Ontario. References McLaren L, McIntyre L, Kirkpatrick S. Rose’s population strategy of prevention need not increase social inequalities in health. Int J Epidemiol. 2010;39(2):372-377. doi:10.1093/ije/dyp315

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)0,025
score de la tête « metaresearch » (Gemma)0,072
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil0,862

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,072
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,012
Communication savante0,0050,008
Science ouverte0,0030,005
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,333
Écart entre enseignants0,254 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Journal of Public HealthMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207