Impacts sur l'économie et la santé des principales mesures possibles en matière d'alcool
Notice bibliographique
Résumé
Les politiques en matière d’alcool offrent d’immenses possibilités pour limiter les méfaits de l’alcool, améliorer la santé, renforcer la productivité, faire reculer les délits et les actes de violence et diminuer les dépenses publiques. La Stratégie mondiale de l’OMS visant à réduire l’usage nocif de l’alcool propose une liste de mesures envisageables fondées sur le consensus international, que l’OCDE a utilisée comme point de départ pour recenser un ensemble d’actions et les évaluer dans le cadre d’une analyse économique s’appuyant sur un modèle de simulation par ordinateur. Les actions évaluées dans trois pays – le Canada, la République tchèque et l’Allemagne – incluent des politiques de prix, des mesures de réglementation et d’application de la législation, des programmes d’éducation et des interventions sanitaires. Les résultats de l’analyse de l’OCDE montrent que l’on peut considérablement améliorer la santé par de brèves interventions dans le domaine des soins primaires, qui ciblent généralement les consommateurs d’alcool à haut risque, mais aussi par des hausses de taxes, qui concernent tous les consommateurs d’alcool.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».