Reduzierung alkoholbedingter Mortalität durch Behandlung der Alkoholabhängigkeit
Bibliographic record
Abstract
Fragestellung: Ziel dieser Studie ist es, die von riskantem Trinken und von Alkoholabhängigkeit in Deutschland verursachte Krankheitslast zu quantifizieren. Weiterhin sollen die erwartbaren Auswirkungen eines verbesserten Zugangs von Alkoholabhängigen zu effektiven Therapien auf die alkoholbedingte Sterblichkeit abgeschätzt werden. Methodik: Die Krankheitslast wurde anhand von „Attributable Fractions“ berechnet, die den durch die jeweilige Exposition bedingten Anteil an den Todesfällen einer umfassenden Liste von durch Alkohol verursachten Krankheiten beziffern. Mögliche Auswirkungen eines verbesserten Zugangs zu Behandlungen wurden berechnet durch modellgemäße Veränderungen in der Zusammensetzung der trinkenden Bevölkerung. Alle Modelle legten das Jahr 2004 und die Bevölkerung zwischen 15 und 64 Jahren zugrunde, d. h. ausschließlich vorzeitige Todesfälle wurden berücksichtigt. Ergebnisse: Riskantes Trinken ist bei Frauen für rund 58 % und bei Männern für rund 71 % aller vorzeitigen alkoholbedingten Todesfälle ursächlich. Die entsprechenden Anteile der mit riskantem Trinken stark überlappenden Kategorie der Alkoholabhängigkeit liegen bei 40 % (Frauen) und 68 % (Männer). Eine Erhöhung der gegenwärtigen Behandlungsquote auf 40 % aller Alkoholabhängigen zeitigte eine Verringerung um bis zu 13,1 % bei den männlichen und 10,7 % bei den weiblichen alkoholbedingten Todesfällen innerhalb eines Jahres, eine Erhöhung auf 20 % war mit einer Verringerung um bis zu 6.5 % bei den männlichen und 5.3 % bei den weiblichen alkoholbedingten Todesfällen verbunden. Schlussfolgerungen: Durch einen verbesserten Zugang besonders der abhängig Erkrankten zu effektiven therapeutischen Interventionen könnte ein bedeutsamer Teil der alkoholbedingten Krankheitslast vermindert werden.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".