The estimated health impact of alcohol interventions in New Zealand: A modelling study
Notice bibliographique
Résumé
AIMS: To estimate the health impacts of key modelled alcohol interventions among Māori (indigenous peoples) and non-Māori in New Zealand (NZ). DESIGN: Multi-stage life-table intervention modelling study. We modelled two scenarios: (1) business-as-usual (BAU); and (2) an intervention package scenario that included a 50% alcohol tax increase, outlet density reduction from 63 to five outlets per 100 000 people, outlet hours reduction from 112 to 50 per week and a complete ban on all forms of alcohol marketing. SETTING AND PARTICIPANTS: The model's population replicates the 2018 NZ population by ethnicity (Māori/non-Māori), age and sex. MEASUREMENTS: Alcohol consumption was estimated using nationally representative survey data combined with sales data and corrected for tourist and unrecorded consumption. Disease incidence, prevalence and mortality were calculated using Ministry of Health data. We used dose-response relationships between alcohol and illness from the 2016 Global Burden of Disease study and calculated disability rates for each illness. Changes in consumption were based on the following effect sizes: total intervention package [-30.3%, standard deviation (SD) = 0.02); tax (-7.60%, SD = 0.01); outlet density (-8.64%, SD = 0.01); outlet hours (-9.24%, SD = 0.01); and marketing (-8.98%, SD = 0.02). We measured health gain using health-adjusted life years (HALYs) and life expectancy. FINDINGS: Compared with the BAU scenario, the total alcohol intervention package resulted in 726 000 [95% uncertainty interval (UI) = 492 000-913 000] HALYs gained during the life-time of the modelled population. Māori experienced greater HALY gains compared with non-Māori (0.21, 95% UI = 0.14-0.26 and 0.16, 95% UI = 0.11-0.20, respectively). When modelled individually, each alcohol intervention within the intervention package produced similar health gains (~200 000 HALYs per intervention) owing to the similar effect sizes. CONCLUSIONS: Modelled interventions for increased alcohol tax, reduced availability of alcohol and a ban on alcohol marketing among Māori and non-Māori in New Zealand (NZ) suggest substantial population-wide health gains and reduced health inequities between Māori and non-Māori.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».