MétaCan
Menu
← Retour à la cohorte
Enregistrement W6993857450

Underage Drinking

2017· book· en· W6993857450 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpenEdition (OpenEdition) · 2017
Typebook
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWarrantPsychological interventionSet (abstract data type)Public healthHuman factors and ergonomicsPublic policySuicide preventionCultural diversity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The complexity and importance of underage drinking prompted ERAB and ABMRF to initiate a state of the art review. It explores the extent of underage drinking across Europe and North America, as well as our current understanding of factors that increase the risk of this behaviour and potentially effective evidence-based approaches to prevent underage drinking. Unfortunately, the problem is complex and a single solution or policy to prevent underage drinking does not exist. Nevertheless, a number of strategies are effective in some circumstances and warrant further study in different populations. Preventing risky drinking requires understanding of the important influence of family and peers. It is also important to recognize that some genetic traits like impulsivity, anxiety, sensation seeking and emotional dysregulation can also influence harmful drinking. These aspects (family and peers and genetic influence) are affected by cultural and environmental influences which, in turn, can influence each other. The overall goal of this project was to develop a set of recommendations that could be used by public health departments and key stakeholders in the individual countries that make up Europe and the United States and Canada. It is clear that a single solution to this problem cannot be identified, given the different cultural backgrounds. In addition to providing a menu of effective strategies, recommendations on the best method for applying them in different cultural settings are included. Although individual interventions may have low efficacy when used in isolation, combining several interventions may improve overall effectiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,282
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpenEdition (OpenEdition)→Même sujetSubstance Abuse Treatment and Outcomes→Travaux en français237 207→