Survey Questions on Quantity and Frequency Are Differentially Effective by Age in Predicting Future Alcohol Consumption
Notice bibliographique
Résumé
INTRODUCTION: Cross sectional research has demonstrated that screening tool questions on frequency of alcohol consumption are a better predictor of dependence and harmful drinking in younger adults; questions about quantity per occasion are a better predictor in older adults. The aim of this study is to see if this relationship also holds longitudinally. METHODS: A total of 9076 respondents aged 15 and over completed at least two waves of the longitudinal annual Household Income and Labour Dynamics in Australia survey 10 years apart between 2001-2010 and 2012-2020. Standardised scores from responses to questions on drinking quantity and frequency in the first survey were used to predict consumption 10 years later in groups stratified by age. RESULTS: Frequency of consumption was a significantly better predictor of future consumption than quantity in younger drinkers (aged < 36; β = 9.3, 95% confidence interval [CI] 8.6-10.0), than older drinkers (aged > 49; β = 5.1, 95% CI 4.8-5.5) while quantity was a better predictor in older drinkers (β = 8.2, 95% CI 7.2-9.3) than younger drinkers (β = 3.4, 95% CI 3.1-3.7). DISCUSSION AND CONCLUSIONS: Some commonly used screening items, such as drinking quantity and frequency, are differentially effective at identifying future heavy drinkers between age groups. Development of age-specific screening tools could potentially lead to more accurate identification of people who could benefit from intervention to reduce their alcohol consumption.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».