Notice bibliographique
Résumé
Alcoholic beverages, and their harmful use, have been familiar fixtures in human societies since the beginning of recorded history. Worldwide, alcohol is a leading cause of ill health and premature mortality. It accounts for 1 in 17 deaths, and for a significant proportion of disabilities, especially in men. In OECD countries, alcohol consumption is about twice the world average. Its social costs are estimated in excess of 1% of GDP in high- and middle-income countries. When it is not the result of addiction, alcohol use is an individual choice, driven by social norms, with strong cultural connotations. This is reflected in unique patterns of social disparity in drinking, showing the well-to-do in some cases more prone to hazardous use of alcohol, and a polarisation of problem-drinking at the two ends of the social spectrum. Certain patterns of drinking have social impacts, which provide a strong economic rationale for governments to influence the use of alcohol through policies aimed at curbing harms, including those occurring to people other than drinkers. Some policy approaches are more effective and efficient than others, depending on their ability to trigger changes in social norms, and on how well they can target the groups that are most at risk. This book provides a detailed examination of trends and social disparities in alcohol consumption. It offers a wide-ranging assessment of the health, social and economic impacts of key policy options for tackling alcohol-related harms in three OECD countries (Canada, the Czech Republic and Germany), extracting relevant policy messages for a broader set of countries. Â
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».