Alkoholkonsum in Deutschland und Europa während der SARS-CoV-2 Pandemie
Bibliographic record
Abstract
Zusammenfassung. Zielsetzung: Ziel der vorliegenden Studie war, die Veränderung des Alkoholkonsums während der SARS-CoV-2 Pandemie in Deutschland zu untersuchen und mit derer anderer europäischer Länder zu vergleichen. Methodik: Analyse von soziodemographischen und sozioökonomischen Daten sowie Angaben zur Veränderung des Alkoholkonsums seit der Pandemie in einer europaweiten Onlinebefragung (n=40.064) aus 21 Ländern. Zur Anpassung an die Bevölkerungsverteilung in den Ländern erfolgte eine Gewichtung anhand von Geschlecht, Alter und Bildungsabschluss. Ergebnisse: Seit Beginn der Pandemie wurde im Mittel weniger Alkohol getrunken. Der Rückgang des Konsums ist vor allem auf eine Reduktion der Gelegenheiten zum Rauschtrinken zurückzuführen. Der Alkoholkonsum ist in Deutschland weniger stark als in anderen Europäischen Ländern zurückgegangen. Gründe dafür sind Zunahmen im Alkoholkonsum bei Frauen sowie bei Personen, die negative Auswirkungen in Beruf und Finanzen erlebt haben und bei Personen mit riskanten Konsummustern. Schlussfolgerungen: Um den negativen Folgen des in Teilgruppen verstärkten Alkoholkonsums während der Pandemie entgegenzuwirken, sollte die Verfügbarkeit von Alkohol durch eine sinnvolle Besteuerung reduziert sowie eine Ausweitung routinemäßiger Alkoholscreenings in der allgemeinärztlichen Versorgung umgesetzt 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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".