The Canadian Alcohol Policy Evaluation project: Findings from a review of provincial and territorial alcohol policies
Notice bibliographique
Résumé
INTRODUCTION: Effective alcohol control measures can prevent and reduce alcohol-related harms at the population level. This study aims to evaluate implementation of alcohol policies across 11 evidence-based domains in Canada's 13 jurisdictions. METHODS: The Canadian Alcohol Policy Evaluation project assessed all provinces and territories on 11 evidence-based domains weighted for scope and effectiveness. A scoring rubric was developed with policy and practice indicators and peer-reviewed by international experts. The 2017 data were collected from publicly-available regulatory documents, validated by government officials, and independently scored by team members. RESULTS: The average score for alcohol policy implementation across Canadian provinces and territories was 43.8%; Ontario had the highest (63.9%) and Northwest Territories the lowest (38.4%) jurisdictional scores. Only six of 11 policy domains had average scores above 50% with Monitoring and Reporting scoring the highest (62.8%) and Health and Safety Messaging the lowest (25.7%). A 2017 provincial/territorial current best practice score of 86.6% was calculated taking account of the highest scores for any individual policy indicators implemented in at least one jurisdiction across the country. DISCUSSION AND CONCLUSIONS: Most of the evidence-based alcohol policies assessed by the Canadian Alcohol Policy Evaluation project were not implemented across Canadian provinces and territories as of 2017, and many provinces showed declining scores since 2012. However, the majority of policies assessed have been implemented in at least one jurisdiction. Improved alcohol policies to reduce related harm are therefore achievable and could be implemented consistently across Canada.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 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 ».