Reducing alcohol use through alcohol control policies in the general population and population subgroups: a systematic review and meta-analysis
Notice bibliographique
Résumé
We estimate the effects of alcohol taxation, minimum unit pricing (MUP), and restricted temporal availability on overall alcohol consumption and review their differential impact across sociodemographic groups. Web of Science, Medline, PsycInfo, Embase, and EconLit were searched on 08/12/2022 and 09/26/2022 for studies on newly introduced or changed alcohol policies published between 2000 and 2022 (Prospero registration: CRD42022339791). We combined data using random-effects meta-analyses. Risk of bias was assessed using the Newcastle-Ottawa Scale. Of 1887 reports, 36 were eligible. Doubling alcohol taxes or introducing MUP (Int$ 0.90/10 g of pure alcohol) reduced consumption by 10% (for taxation: 95% prediction intervals [PI]: -18.5%, -1.2%; for MUP: 95% PI: -28.2%, 5.8%), restricting alcohol sales by one day a week reduced consumption by 3.6% (95% PI: -7.2%, -0.1%). Substantial between-study heterogeneity contributes to high levels of uncertainty and must be considered in interpretation. Pricing policies resulted in greater consumption changes among low-income alcohol users, while results were inconclusive for other socioeconomic indicators, gender, and racial and ethnic groups. Research is needed on the differential impact of alcohol policies, particularly for groups bearing a disproportionate alcohol-attributable health burden. Funding: Research reported in this publication was supported by the National Institute on Alcohol Abuse and Alcoholism of the National Institutes of Health under Award Number R01AA028009.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».