MétaCan
Menu
Retour à la cohorte
Enregistrement W4385663719 · doi:10.1024/0939-5911/a000823

Alkoholpolitik in Deutschland: Verpasste Chancen zur Senkung der Krankheitslast

2023· article· de· W4385663719 sur OpenAlexaff
Carolin Kilian, Jakob Manthey, Jürgen Rehm, Ludwig Kraus

Notice bibliographique

RevueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and Practice · 2023
Typearticle
Languede
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésGynecologyPolitical scienceHumanitiesMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

Zusammenfassung: Zielsetzung: Ausgehend von der Veröffentlichung der dritten Ausgabe des Buchs „Alkohol: Kein gewöhnliches Konsumgut“ haben die Autor_innen die Umsetzung kosteneffektiver alkoholpolitischer Maßnahmen in Deutschland bewertet. Methodik: Aktuelle gesetzliche Regelungen und Praktiken zu Maßnahmen aus vier Bereichen wurden gesichtet: (1) Preispolitische Maßnahmen; (2) Regulation der Verfügbarkeit alkoholischer Getränke; (3) Beschränkungen des Alkoholmarketings; sowie (4) Maßnahmen zur Bekämpfung von Alkohol am Steuer. Ergebnisse: Die Verbrauchssteuern auf alkoholische Getränke sind im europäischen Vergleich eher gering und führen zu keiner nennenswerten Reduktion der Erschwinglichkeit von Alkohol. Alkoholische Getränke können mit nur wenigen Ausnahmen rund um die Uhr und in unterschiedlichen Verkaufsstätten (z. B. in Supermärkten oder Tankstellen) erworben werden. Beschränkungen im Alkoholmarketing gibt es nur im Bereich Jugendschutz und sind auf die Abwendung von Darstellungen eines „missbräuchlichen“ Konsums beschränkt. Empfohlene Maßnahmen gegen Alkohol am Steuer sind weitestgehend umgesetzt. Schlussfolgerungen: Kosteneffektive alkoholpolitische Maßnahmen, die die alkoholbedingte Krankheitslast in Deutschland substantiell reduzieren könnten, sind in Deutschland unzureichend implementiert.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,002

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,432
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and PracticeMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207