Potenzielle Auswirkungen erhöhter Alkoholsteuern auf die alkoholbedingte Krankheitslast in Deutschland: Eine Modellierungsstudie
Notice bibliographique
Résumé
BACKGROUND: In 2019, Germany was among the countries with the highest alcohol per capita consumption in the world, which contributes significantly to the burden of disease. AIM: In this modelling study, we estimate how many alcohol-attributable diseases and deaths in Germany could have been avoided in 2019 if current alcohol excise taxes were increased by 20%, 50%, and 100%. METHODS: The starting point for the modelling was the national beverage-specific alcohol taxes. Three scenarios were modelled under the assumption that the resulting tax increase would be fully transferred to the retail prices. Beverage-specific price elasticities were used. Based on the estimated resulting decline in annual per capita consumption and the disease-specific risk functions, we modelled the avoidable incidence and mortality for alcohol-attributable diseases for 2019. Alcohol-attributable diseases of the cardiovascular and digestive systems, alcohol dependence, epilepsy, and infectious diseases as well as injuries and accidents were considered. RESULTS: Overall, doubling the beverage-specific alcohol taxes could have avoided up to 200,400 alcohol-attributable cases of disease and injury as well as 2800 deaths in Germany in 2019. This corresponds to just under 7% of the modelled new alcohol-attributable cases of disease and death in Germany. DISCUSSION: Alcohol-attributable diseases and injuries are preventable and an increase in the alcohol taxes could substantially reduce the alcohol-attributable burden of disease in Germany.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,007 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».