MétaCan
Menu
Retour à la cohorte
Enregistrement W1537177379 · doi:10.1111/j.1360-0443.2011.03763.x

Does minimum pricing reduce alcohol consumption? The experience of a Canadian province

2011· article· en· W1537177379 sur OpenAlexaffabout
Tim Stockwell, M. Christopher Auld, Jinhui Zhao, Gina Martin

Notice bibliographique

RevueAddiction · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAlcohol consumptionConsumption (sociology)Environmental healthAlcoholMedicinePsychologyBusinessEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

AIMS: Minimum alcohol prices in British Columbia have been adjusted intermittently over the past 20 years. The present study estimates impacts of these adjustments on alcohol consumption. DESIGN: Time-series and longitudinal models of aggregate alcohol consumption with price and other economic data as independent variables. SETTING: British Columbia (BC), Canada. PARTICIPANTS: The population of British Columbia, Canada, aged 15 years and over. MEASUREMENTS: Data on alcohol prices and sales for different beverages were provided by the BC Liquor Distribution Branch for 1989-2010. Data on household income were sourced from Statistics Canada. FINDINGS: Longitudinal estimates suggest that a 10% increase in the minimum price of an alcoholic beverage reduced its consumption relative to other beverages by 16.1% (P < 0.001). Time-series estimates indicate that a 10% increase in minimum prices reduced consumption of spirits and liqueurs by 6.8% (P = 0.004), wine by 8.9% (P = 0.033), alcoholic sodas and ciders by 13.9% (P = 0.067), beer by 1.5% (P = 0.043) and all alcoholic drinks by 3.4% (P = 0.007). CONCLUSIONS: Increases in minimum prices of alcoholic beverages can substantially reduce alcohol consumption.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,534

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,002
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,282
Écart entre enseignants0,232 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations193
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207