An assessment of federal alcohol policies in Canada and priority recommendations: Results from the 3rd Canadian Alcohol Policy Evaluation Project
Notice bibliographique
Résumé
OBJECTIVE: To systematically assess the Canadian federal government's current alcohol policies in relation to public health best practices. METHODS: The 2022 Canadian Alcohol Policy Evaluation (CAPE) Project assessed federal alcohol policies across 10 domains. Policy domains were weighted according to evidence for their relative impact, including effectiveness and scope. A detailed scoring rubric of best practices was developed and externally reviewed by international experts. Policy data were collected between June and December 2022, using official legislation, government websites, and data sources identified from previous iterations of CAPE as sources. Contacts within relevant government departments provided any additional data sources, reviewed the accuracy and completeness of the data, and provided amendments as needed. Data were scored independently by members of the research team. Final policy scores were tabulated and presented as a weighted overall average score and as unweighted domain-specific scores. RESULTS: Compared to public health best practices, the federal government of Canada scored 37% overall. The three most impactful domains-(1) pricing and taxation, (2) marketing and advertising controls, and (3) impaired driving countermeasures-received some of the lowest scores (39%, 10%, and 40%, respectively). Domain-specific scores varied considerably from 0% for minimum legal age policies to 100% for controls on physical availability of alcohol. CONCLUSION: Many evidence-informed alcohol policies have not been adopted, or been adopted only partially, by the Canadian federal government. Urgent adoption of the recommended policies is needed to prevent and reduce the enormous health, social, and economic costs of alcohol use in Canada.
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 | 0,089 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,022 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».