MétaCan
Menu
Retour à la cohorte
Enregistrement W4404679928 · doi:10.1111/dar.13980

The impact of an integrated alcohol policy: The example of Lithuania

2024· article· en· W4404679928 sur OpenAlexaff
Jürgen Rehm, Shannon Lange, Laura Miščikienė, Huan Jiang

Notice bibliographique

RevueDrug and Alcohol Review · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute on Alcohol Abuse and AlcoholismNational Institutes of Health
Mots-clésAlcoholEnvironmental healthPsychologyMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Although integrated alcohol policies, characterised by being consistent, structurally connected and interdependent, are considered to be best practices, very few evaluations of such policies exist. We evaluated the impact of two phases of integrated alcohol policies implemented in Lithuania in 2008/2009 and 2017/2018 on adult (15+ years of age) alcohol per capita consumption. METHODS: Alcohol per capita consumption was the main outcome, based on national data from Statistics Lithuania. Time-series analyses using generalised additive mixed models were used, and unrecorded consumption trends were examined. A sensitivity analysis was conducted with data from the World Health Organization. RESULTS: The two phases of integrated alcohol policies were associated with average reductions in adult alcohol per capita consumption of almost 1 litre (-0.88 L; 95% confidence interval -1.43; -0.34). Sensitivity analyses with comparable international data on Lithuania yielded similar results. DISCUSSION AND CONCLUSIONS: Integrated alcohol policies had a substantial effect on the average level of consumption. However, the effect of major single policies for Lithuania and other Baltic countries has been estimated to be of about the same magnitude. We conclude that in order to be successful, integrated alcohol policies should include at least one major effective population-based policy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil0,228

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,381
Écart entre enseignants0,330 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug and Alcohol ReviewMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207