The impact of alcohol minimum unit pricing on people with experience of homelessness: Qualitative study
Notice bibliographique
Résumé
BACKGROUND: Alcohol Minimum Unit Pricing (MUP) was introduced in Scotland in May 2018. Existing evidence suggests MUP can reduce alcohol consumption in the general population, but there is little research about its impact on vulnerable groups. This qualitative study explored experiences of MUP among people with experience of homelessness. METHODS: We conducted qualitative semi-structured interviews with a purposive sample of 46 people with current or recent experience of homelessness who were current drinkers when MUP was introduced. Participants (30 men and 16 women) were aged 21 to 73 years. Interviews focused on views and experiences of MUP. Data were analysed using thematic analysis. RESULTS: People with experience of homelessness were aware of MUP but it was accorded low priority in their hierarchy of concerns. Reported impacts varied. Some participants reduced their drinking, or moved away from drinking strong white cider, in line with policy intentions. Others were unaffected because the cost of their preferred drink (usually wine, vodka or beer) did not change substantially. A minority reported increased involvement in begging. Wider personal, relational and social factors also played an important role in responses to MUP. CONCLUSION: This is the first qualitative study to provide a detailed exploration of the impact of MUP among people with experience of homelessness. Our findings suggest that MUP worked as intended for some people with experience of homelessness, while a minority reported negative consequences. Our findings are of international significance to policymakers, emphasising the need to consider the impact of population level health policies on marginalised groups and the wider contextual factors that affect responses to policies within these groups. It is important to invest further in secure housing and appropriate support services and to implement and evaluate harm reduction initiatives such as managed alcohol programmes.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».