Interrupted time series analyses to assess the impact of alcohol control policy on socioeconomic inequalities in mortality in Lithuania: a study protocol
Notice bibliographique
Résumé
Introduction Alcohol use is a major risk factor for mortality. Previous studies suggest that the alcohol-attributable mortality burden is higher in lower socioeconomic strata. This project will test the hypothesis, that the 2017 increase of alcohol excise taxes for beer and wine, which was linked to lower all-cause mortality rates in previous analyses, will reduce socioeconomic mortality inequalities. Methods and analysis Data on all causes of deaths will be obtained from Statistics Lithuania. Record linkage will be implemented using personal identifiers combining data from 1) the 2011 whole-population census, 2) death records between March 1, 2011 (census date) and December 31, 2019, and 3) emigration records, for individuals aged 30 to 70 years. The analyses will be performed separately for all-cause and for alcohol-attributable deaths. Monthly age-standardized mortality rates will be calculated by sex, education, and three measures of socioeconomic status. Inequalities in mortality will be assessed using absolute and relative indicators between low and high SES groups. We will perform interrupted time series analyses, and test the impact of the 2017 rise in alcohol excise taxation using generalized additive mixed models. In these models, we will control for secular trends for economic development. Ethics and dissemination This work is part of project grant 1R01AA028224-01 by the National Institute on Alcohol Abuse and Alcoholism. It has been granted research ethics approval 050/2020 by CAMH Research Ethics Board on April 17, 2020, renewed on March 30, 2021.
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 | 0,059 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,006 |
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 ».