A systematic review on the impact of alcohol warning labels
Notice bibliographique
Résumé
Findings on the effects of alcohol warning labels (AWLs) as a harm reduction tool have been mixed. This systematic review synthesized extant literature on the impact of AWLs on proxies of alcohol use. PsycINFO, Web of Science, PubMED, and MEDLINE databases and reference lists of eligible articles. Following PRISMA guidelines, 1,589 articles published prior to July 2020 were retrieved via database and 45 were via reference lists (961 following duplicate removal). Article titles and abstracts were screened, leaving the full text of 96 for review. The full-text review identified 77 articles meeting inclusion/exclusion criteria which are included here. Risk of bias among included studies was examined using the Evidence Project risk of bias tool. Findings fell into five categories of alcohol use proxies including knowledge/awareness, perceptions, attention, recall/recognition, attitudes/beliefs, and intentions/behavior. Real-world studies highlighted an increase in AWL awareness, alcohol-related risk perceptions (limited findings), and AWL recall/recognition post-AWL implementation; these findings have decreased over time. Conversely, findings from experimental studies were mixed. AWL content/formatting and participant sociodemographic factors also appear to influence the effectiveness of AWLs. Findings suggest conclusions differ based on the study methodology used, favoring real-world versus experimental studies. Future research should consider AWL content/formatting and participant sociodemographic factors as moderators. AWLs appear to be a promising approach for supporting more informed alcohol consumption and should be considered as one component in a comprehensive alcohol control strategy.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».