Do alcohol pricing and availability policies have differential effects on sub-populations? A commentary
Notice bibliographique
Résumé
Giesbrecht, N., Wettlaufer, A., Cukier, S., Geddie, G., Gonçalves, A., & Reisdorfer, E. (2016). Do alcohol pricing and availability policies have differential effects on sub-populations? A commentary. The International Journal Of Alcohol And Drug Research, 5(3), 89-99. doi:http://dx.doi.org/10.7895/ijadr.v5i3.227Aims: Numerous policies have been shown to reduce the harm from alcohol; however, not all sub-populations respond similarly to policy interventions. This paper explores the specific effects of alcohol pricing policies and controls regarding physical availability on different types of harms from alcohol as well as on different sectors of the population, including impacts by gender, age, and drinking patterns.Design, Setting, Participants, and Measures: We focus on two dimensions. The first is alcohol pricing and taxation; the second is alcohol availability, comprising type of alcohol control system, outlet density, and hours/days of sale. We focused on peer-reviewed research and reviews published from 2005–2015, using several databases: PsycINFO, MEDLINE/PubMed, and Cochrane.Findings: Precautionary alcohol prices have substantial harm reduction potential, particularly among youth and high-risk drinkers. Restrictions on outlet densities and hours/days of sale impact the drinking patterns of underage youth, reduce high-risk drinking, and reduce alcohol-related harm. A reduction in prices or an increase in alcohol availability are associated with increase in high-risk drinking or alcohol-related harm.Conclusions: Future work should examine these policy measures in light of socioeconomic status and cultural factors, as well as impacts of policy interventions on evidence of harm to others from alcohol.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».