The Role of Sex and Age on Pre-drinking: An Exploratory International Comparison of 27 Countries
Notice bibliographique
Résumé
AIMS: This exploratory study aims to model the impact of sex and age on the percentage of pre-drinking in 27 countries, presenting a single model of pre-drinking behaviour for all countries and then comparing the role of sex and age on pre-drinking behaviour between countries. \n \nMETHODS: Using data from the Global Drug Survey, the percentages of pre-drinkers were estimated for 27 countries from 64,485 respondents. Bivariate and multivariate multilevel models were used to investigate and compare the percentage of pre-drinking by sex (male and female) and age (16-35 years) between countries. \n \nRESULTS: The estimated percentage of pre-drinkers per country ranged from 17.8% (Greece) to 85.6% (Ireland). The influence of sex and age on pre-drinking showed large variation between the 27 countries. With the exception of Canada and Denmark, higher percentages of males engaged in pre-drinking compared to females, at all ages. While we noted a decline in pre-drinking probability among respondents in all countries after 21 years of age, after the age of 30 this probability remained constant in some countries, or even increased in Brazil, Canada, England, Ireland, New Zealand and the United States. \n \nCONCLUSIONS: Pre-drinking is a worldwide phenomenon, but varies substantially by sex and age between countries. These variations suggest that policy-makers would benefit from increased understanding of the particularities of pre-drinking in their own country to efficiently target harmful pre-drinking behaviours.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».