Predictors of Immune Fitness and the Alcohol Hangover: Survey Data from UK and Irish Adults
Notice bibliographique
Résumé
Immune fitness is defined as the capacity of the body to respond to health challenges (such as infections) by activating an appropriate immune response to promote health and prevent and resolve disease, which is essential for improving quality of life. Thus, immune fitness plays an essential role in health, and reduced immune fitness may be an important signal of increased susceptibility for disease. Lifestyle factors such as increased levels of alcohol consumption have been shown to negatively impact immune fitness. The alcohol hangover is the most frequently reported negative consequence of alcohol consumption and is defined as the combination of negative mental and physical symptoms, which can be experienced after a single episode of alcohol consumption, starting when blood alcohol concentration (BAC) approaches zero. Significant correlations have been reported between hangover severity and both immune fitness and biomarkers of systemic inflammation. The concepts of immune fitness and alcohol hangover are further linked by the fact that the inflammatory response to alcohol consumption plays an important role in the pathology of the alcohol hangover. Moreover, immune fitness has been related to the susceptibility of experiencing hangovers per se. It is therefore important to investigate the interrelationship between immune fitness and the alcohol hangover, and to identify possible predictor variables of both constructs. This data descriptor article describes a study that was conducted with adults living in the UK or Ireland, evaluating possible correlates and predictors of immune fitness and the alcohol hangover. Data on mood, personality, mental resilience, pain catastrophizing, and sleep were collected from n = 1178 participants through an online survey. Herein, the survey and corresponding dataset are described.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».