Gender specific trends in alcohol use: cross-cultural comparisons from 1998 to 2006 in 24 countries and regions
Notice bibliographique
Résumé
Objective: To examine trends in the prevalence of monthly alcohol \nuse and lifetime drunkenness among 15 year olds in 20 European countries, the Russian Federation, Israel, the United States of America, and Canada. \nMethods: Alcohol use prevalence and drunkenness were assessed \nin the Health Behavior in School-aged Children Survey \nconducted in each country in 1998, 2002, and 2006. Trends were \ndetermined using the Cochran-Mantel-Haenszel test for trends. \nResults: Average monthly alcohol use across all countries declined \nfrom 45.3 % to 43.6 % and drunkenness declined from \n37.2 % to 34.8. There was substantial variability across countries, \nwith decreases in some countries and increases or no \nchange in use or drunkenness in others. The overall decline \nwas greater among boys, from 41.2 % to 36.7 % than among \ngirls, 33.3 % to 31.9 %. In most of the countries where drinking \nor drunkenness increased, it was due mainly to increases \namong girls. \nConclusions: Trends in alcohol use and drunkenness varied by \ncountry. Drinking and drunkenness remained higher among \nboys than girls, but the gap between boys and girls declined and \ngirls appear to be catching up with boys in some countries.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».