Quantifying alcohol’s harm to others: a research and policy proposal
Notice bibliographique
Résumé
Just under 2.5 million people die annually due to alcohol use. This global estimate, however, excludes most of the health burden borne by others than the alcohol user. Alcohol's harm to others includes a multitude of conditions, such as trauma from traffic crashes, fetal disorders due to prenatal exposure to alcohol, as well as interpersonal and intimate partner violence. While alcohol's causal role in these conditions is well-established, alcohol's harm to others' contribution to the overall health burden of alcohol remains unknown. This knowledge gap leads to a situation in which alcohol policy and prevention strategies largely focus on the reduction of alcohol's detrimental health harms on the alcohol users, neglecting affected others and population groups most vulnerable to these harms, including women and children. In this article, we seek to elucidate why estimates for alcohol's harm to others are lacking and offer guidance for future research. We also argue that a full assessment of the alcohol health burden that includes the harm caused by others' alcohol use would enhance the visibility and public awareness of such harms, and advancing the evaluation of policy interventions to mitigate them.
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 | 0,078 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,016 |
| Communication savante | 0,017 | 0,026 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,024 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
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 ».