Gender differences in the impact of population-level alcohol policy interventions: evidence synthesis of systematic reviews
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Consistent review-level evidence supports the effectiveness of population-level alcohol policies in reducing alcohol-related harms. Such policies interact with well-established social, cultural and biological differences in how men and women perceive, relate to and use alcohol, and with wider inequalities, in ways which may give rise to gender differences in policy effectiveness. This paper aimed to examine the extent to which gender-specific data and analyses were considered in, and are available from, systematic reviews of population-level alcohol policy interventions, and where possible, to conduct a narrative synthesis of relevant data. METHODS: A prior systematic 'review of reviews' of population level alcohol interventions 2002-2012 was updated to May 2014, all gender-relevant data extracted, and the level and quality of gender reporting assessed. A narrative synthesis of extracted findings was conducted. RESULTS: Sixty-three systematic reviews, covering ten policy areas, were included. Five reviews (8%) consistently provided information on baseline participation by gender for each individual study in the review and twenty-nine (46%) reported some gender-specific information on the impact of the policies under consideration. Specific findings include evidence of possible gender differences in the impact of and exposure to alcohol marketing, and a failure to consider potential unintended consequences and harm to others in most reviews. CONCLUSIONS: Gender is poorly reported in systematic reviews of population-level interventions to reduce alcohol-related harm, hindering assessment of the intended and unintended effects of such policies on women and men.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».