The burden of alcohol on health care during <scp>COVID</scp>‐19
Notice bibliographique
Résumé
Alcohol's impact on global health is substantial and of a similar order of magnitude to that from COVID-19. Alcohol now also poses specific concerns, such as increased risk of severe lung infections, domestic violence, child abuse, depression and suicide. Its use is unlikely to aid physical distancing or other preventative behavioural measures. Globally, alcohol contributes to 20% of injury and 11.5% of non-injury emergency room presentations. We provide some broad comparisons between alcohol-attributable and COVID-19-related hospitalisations and deaths in North America using most recent data. For example, for Canada in 2017 it was recently estimated there were 105 065 alcohol-attributable hospitalisations which represent a substantially higher rate over time than the 10 521 COVID-19 hospitalisations reported during the first 5 months of the pandemic. Despite the current importance of protecting health-care services, most governments have deemed alcohol sales to be as essential as food, fuel and pharmaceuticals. In many countries, alcohol is now more readily available and affordable than ever before, a situation global alcohol producers benefit from and have helped engineer. We argue that to protect frontline health-care services and public health more generally, it is essential that modest, evidence-based restrictions on alcohol prices, availability and marketing are introduced. In particular, we recommend increases in excise taxation coupled with minimum unit pricing to both reduce impacts on health-care services and provide much-needed revenues for governments at this critical time.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».