Trends of fully alcohol-attributable mortality rates before and during COVID-19 in the Baltic and other European countries
Notice bibliographique
Résumé
AIMS: We tested the polarization hypothesis, which postulates that during times of crises, such as the COVID-19 pandemic, alcohol consumption increases among the heaviest drinkers but decreases among most other drinkers, resulting in an overall decrease in consumption among the population. We posited the increase in heavy drinking would lead to increases in 100% alcohol-attributable (AA) mortality. Furthermore, based on the high level of alcohol consumption in the Baltic countries compared to other European countries, we predicted that the increases in AA mortality would be more pronounced in these countries. METHODS: Data for 100% AA deaths were obtained from the World Health Organization for the period 2010 to 2022, and standardized to the regional age distribution for 2010. Parametric and non-parametric tests were used to test the study hypotheses. RESULTS: = 0.021). This increase was higher in the Baltic countries (mean difference = 13.41 deaths per 100,000 population; standard deviation (SD) = 7.44; 46% increase) than for other European countries (mean difference = 1.19; SD = 1.55; 8% increase). The increases in 100% AA mortality were associated with decreases in the level of alcohol consumption in the majority of countries. CONCLUSIONS: As predicted, 100% AA mortality increased in 19 European countries during the COVID-19 pandemic, with the Baltic countries seeing a higher increase. Renewed alcohol control policy efforts should be considered.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».