Can alcohol control policies reduce cirrhosis mortality? An interrupted time‐series analysis in Lithuania
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The relationship between alcohol consumption and cirrhosis is well established. Policies that can influence population-level use of alcohol should, in turn, impact cirrhosis. We examined the effect of population-level alcohol control policies on cirrhosis mortality rates in Lithuania - a high-income European Union country with high levels of alcohol consumption. METHODS: Age-standardized, monthly liver mortality data (deaths per 100,000 adults, aged 15+) from Lithuania were analysed from 2001 to 2018 (n = 216 months) while controlling for economic confounders (gross domestic product and inflation). An interrupted time-series analysis was conducted to estimate the effect of three alcohol control policies implemented in 2008, 2017 and 2018 and the number of cirrhosis deaths averted. RESULTS: There was a significant effect of the 2008 (P < .0001) and 2017 (P = .0003) alcohol control policies but a null effect of the 2018 policy (P = .40). Following the 2008 policy, the cirrhosis mortality rate dropped from 4.93 to 3.41 (95% CI: 3.02-3.80) deaths per 100,000 adults, which equated to 493 deaths averted. Further, we found that following the 2017 policy, the mortality rate dropped from 2.85 to 2.01 (95% CI: 1.50-2.52) deaths per 100,000 adults, corresponding to 245 deaths averted. CONCLUSIONS: Our findings support the hypothesis that alcohol control policies can have a significant, immediate effect on cirrhosis mortality. These policy measures are cost-effective and aid in reducing the burden of liver disease.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».