Estimated changes in hospital admissions for alcohol intoxication after partial bans on off‐premises sales of alcoholic beverages in the canton of Vaud, Switzerland: an interrupted time–series analysis
Notice bibliographique
Résumé
AIMS: To estimate age-specific changes in hospital admissions for alcohol intoxication following two consecutive restrictions on off-premises alcohol sales introduced in the canton of Vaud, Switzerland. DESIGN: Primary analyses used interrupted autoregressive integrated moving average (ARIMA) time-series analyses (repeated cross-sectional), with Lausanne and Vaud as experimental sites and the rest of Switzerland as the control. Secondary analyses used, for example, a different control site (other French-speaking cantons only) or a different statistical model. SETTING: Switzerland between 2010 and 2016. PARTICIPANTS: In-patients (i.e. patients assigned a bed overnight) hospitalized between 8 p.m. and 6 a.m. (n = 1 261 564), as documented in the Swiss Hospital Statistics. INTERVENTIONS: Ban 1, only effective in the canton's capital, Lausanne, prohibited off-premises sales of all alcoholic beverages after 8 p.m. on Fridays and Saturdays from September 2013 to June 2015. In July 2015, Ban 2 replaced this, covered the whole canton and affected off-premises sales of beer and spirits (but not wine) after 9 p.m. (8 p.m. in Lausanne) every night of the week. MEASUREMENTS: Proportions of monthly hospital admissions for alcohol intoxication (ICD-10 diagnoses F10.0/F10.1, T51.0) per 1000 monthly overall admissions. FINDINGS: = -0.008, 95% CI = -0.014, -0.002). Estimated changes in % were largest among 16-19-year-olds. However, as admission rates for alcohol intoxication were more frequent in adulthood than adolescence, the estimated change in number of cases was also relevant to public health among 20-69-year-olds. Secondary analyses supported the findings of the primary analyses. CONCLUSION: Even partial restrictions of off-premises sales of alcohol in Switzerland (only 2 days per week or only for beer and spirits) appeared to reduce hospital admissions for alcohol intoxication across a wide age range (ages 16-69 years).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».