Alcohol control policies reduce all-cause mortality in Baltic Countries and Poland between 2001 and 2020
Notice bibliographique
Résumé
Alcohol consumption in the Baltic countries and Poland is among the highest globally, causing high all-cause mortality rates. Contrary to Poland, the Baltic countries have adopted many alcohol control policies, including the World Health Organization (WHO) "best buys". The aim of this study was to evaluate the impact of these policies, which were implemented between 2001 and 2020, on all-cause mortality. Monthly mortality data for men and women aged 20+ years of age in Estonia, Latvia, Lithuania, and Poland were analysed for 2001 to 2020. A total of 19 alcohol control policies, fulfilling an a-priori defined definition, were implemented between 2001 and 2020 in the countries of interest, and 18 of them could be tested. Interrupted time-series analyses were conducted by employing a generalized additive mixed model (GAMM) for men and women separately. The age-standardized all-cause mortality rate was lowest in Poland and highest in Latvia and had decreased in all countries over the time period. Taxation increases and availability restrictions had short-term effects in all countries, on average reducing the age-standardized all-cause mortality rate among men significantly (a reduction of 2.31% (95% CI 0.71%, 3.93%; p = 0.0045)). All-cause mortality rates among women were not significantly reduced (a reduction of 1.09% (95% CI - 0.02%, 2.20%; p = 0.0554)). In conclusion, the alcohol control policies implemented between 2001 and 2020 reduced all-cause mortality among men 20+ years of age in Baltic countries and Poland, and thus, the practice should be continued.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».