Are Lower-Strength Beers Gateways to Higher-Strength Beers? Time Series Analyses of Household Purchases from 64,280 British Households, 2015–2018
Notice bibliographique
Résumé
AIMS: Buying and consuming no- (per cent alcohol by volume, ABV = 0.0%) and low- (ABV = >0.0% and ≤ 3.5%) alcohol beers could reduce alcohol consumption but only if they replace buying and drinking higher-strength beers. We assess whether buying new no- and low-alcohol beers increases or decreases British household purchases of same-branded higher strength beers. METHODS: Generalized linear models and interrupted time series analyses, using purchase data of 64,280 British households from Kantar Worldpanel's household shopping panel, 2015-2018. We investigate the extent to which the launch of six new no- and low-alcohol beers affected the likelihood and volume of purchases of same-branded higher-strength beers. RESULTS: Households that had never previously bought a same-branded higher-strength beer but bought a new same-branded no- or low-alcohol beer were less than one-third as likely to go on and newly buy the same-branded higher-strength product. When they did later buy the higher-strength product, they bought half as much volume as households that had not bought a new same-branded no- or low-alcohol beer. For households that had previously purchased a higher-strength beer, the introduction of the new same-branded no- or low-alcohol beer was associated with decreased purchases of the volume of the higher-strength beer by, on average, one-fifth. CONCLUSIONS: The increased availability of new no- and low-alcohol beers does not seem to be a gateway to purchasing same-branded higher-strength beers but rather seems to replace purchases of these higher-strength products. Thus, introduction of new no- and low-alcohol beers could contribute to reducing alcohol consumption.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».