Research agendas for alcohol policymaking in the wider world
Notice bibliographique
Résumé
From comparisons of World Health Organization statistics, it is clear that people in lower-income countries experience more harms per litre of alcohol and different types of harms compared to those from higher-income countries. Yet studies in higher-income countries dominate research on policies to prevent alcohol problems. The paper reports on results of collaborative work to map priority areas for research relevant to low- and middle-income countries. Research focus areas were identified and discussed among potential coauthors from diverse fields with relevant knowledge, with agreement reached on an initial list of seven research priority areas. Areas identified include: (1) the effects of choices (e.g., national vs. local, monopoly vs. licensing system) in organising the alcohol market; (2) involvement/separation of alcohol industry interests in decisions on public health regulation; (3) options and effectiveness of global agreements on alcohol governance; (4) choices and experience in controlling unrecorded alcohol; (5) means of decreasing harm from men’s drinking to family members; (6) strategies for reducing the effects of poverty on drinking’s role in harms; and (7) measuring and addressing key alcohol-induced low-and middle-income country (LMIC) health harms: infectious diseases, injuries, digestive diseases. Paths ahead for such research are briefly outlined.
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 | 0,077 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,009 | 0,012 |
| Communication savante | 0,034 | 0,036 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,020 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,007 |
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 ».