Alcohol minimum unit pricing and people experiencing homelessness: A qualitative study of stakeholders' perspectives and experiences
Notice bibliographique
Résumé
INTRODUCTION: Minimum unit pricing (MUP) may reduce harmful drinking in the general population, but there is little evidence regarding its impact on marginalised groups. Our study is the first to explore the perceptions of MUP among stakeholders working with people experiencing homelessness following its introduction in Scotland in May 2018. METHODS: Qualitative semi-structured interviews were conducted with 41 professional stakeholders from statutory and third sector organisations across Scotland. We explored their views on MUP and its impact on people experiencing homelessness, service provision and implications for policy. Data were analysed using thematic analysis. RESULTS: Participants suggested that the introduction of MUP in Scotland had negligible if any discernible impact on people experiencing homelessness and services that support them. Most service providers felt insufficiently informed about MUP prior to its implementation. Participants reported that where consequences for these populations were evident, they were primarily anticipated although some groups were negatively affected. People experiencing homelessness have complex needs in addition to alcohol addiction, and changes in the way services work need to be considered in future MUP-related discussions. DISCUSSION AND CONCLUSIONS: This study suggests that despite initial concerns about potential unintended consequences of MUP, many of these did not materialise to the levels anticipated. As a population-level health policy, MUP is likely to have little beneficial impact on people experiencing homelessness without the provision of support to address their alcohol use and complex needs. The additional needs of certain groups (e.g., people with no recourse to public funds) need to be considered.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».