[Alcohol Dependence: one or more nosological entities? Identifying geographical diversities among patients through DSM-4 and Artificial Intelligence].
Notice bibliographique
Résumé
BACKGROUND: although there is an overabundance of terms that over time have connoted the phenomenon usually defined as Alcoholism, or Alcohol Dependence, this has been universally considered a unitary disease by experts, the media and lay people. OBJECTIVES: to investigate whether there is a variety of configurations of alcohol dependence and alcohol abuse corresponding to different countries. DESIGN: secondary analysis of a dataset from a European project conducted in 2013-2014. The analysis was carried out mainly based on both artificial intelligence and statistical tools: Self Organizing Map (SOM) Neural Network, Multidimensional Scaling Population Algorithm (MSPA), and K-Means clustering algorithm. SETTING AND PARTICIPANTS: 1,767 participants in a European project treated in specialist alcohol dependence units in 9 countries/regions of Europe. MAIN OUTCOME MEASURES: patients were interviewed to ascertain their correspondence to the 11 DSM-4 symptoms used for the diagnosis of 'alcohol dependence' and 'alcohol abuse', following up on a previous study that used traditional statistical methodology. RESULTS: results confirm that the symptoms of 'alcohol dependence' and 'alcohol abuse' identified by the DSM-4 are distributed according to distinct European geographical macroareas: Central-Northern and Southern, with an intermediate macroarea. These could partly correspond to different typologies of drinking cultures in the different macroareas. CONCLUSIONS: alcoholism does not appear to be a unitary disease, but varies according to different cultures and social contexts, and should be treated appropriately.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».