National, regional, and global statistics on alcohol consumption and associated burden of disease 2000–20: a modelling study and comparative risk assessment
Notice bibliographique
Résumé
BACKGROUND: Data on alcohol consumption and associated health harms are essential to evaluate progress in achieving global health goals. This study aims to estimate global alcohol consumption from 2000 to 2020, and the global burden of alcohol-attributable harms from 2000 to 2019. METHODS: In this global analysis, adult per capita consumption data estimates were modelled on the basis of sales, survey, and traveller data. Drinking status and past 30-day heavy episodic drinking were estimated through regression analyses of 540 surveys from 174 countries. Alcohol-attributable harms were estimated using a comparative risk assessment methodology by combining alcohol consumption data with corresponding relative risks obtained from meta-analyses and cohort studies. Mortality and morbidity data were obtained from WHO Global Health Estimates. FINDINGS: Globally, average alcohol consumption in 2019 among adults was 5·5 L (95% uncertainty interval 4·9-6·2), which increased from 5·1 L (4·6-5·7) in 2000. From 2019 to 2020 alcohol consumption decreased to 4·9 L (4·3-5·6). In 2019, alcohol consumption was associated with 2·6 (2·3-3·1) million deaths (4·7% of all deaths) and 116·0 million disability-adjusted life-years (DALYs) lost (4·6% of all DALYs lost). In contrast to alcohol consumption, the number of alcohol-attributable deaths decreased by 31·0% and DALYs lost per 100 000 people decreased by 27·4% from 2000 to 2019. INTERPRETATION: Alcohol is attributed to a large burden of disease, which disproportionately affects people in Eastern Europe and in Central and Southern Sub-Saharan Africa, and young people. Accordingly, these regions should implement policies such as alcohol taxation increases, availability reductions, and marketing restrictions to reduce alcohol-related harms. FUNDING: WHO.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».