Industry data on alcohol sales in South Africa between 1995 and 2022 and its value in detecting the impact of policy interventions related to packaging and Covid-19 alcohol availability
Notice bibliographique
Résumé
Aims: To assess changes in total alcohol consumed over time, changes in consumption of different alcoholic beverages and the utility of industry sales data to evaluate the impact of policy changes related to a packaging ban on wine products in September 2007 and bans on alcohol sales during the Covid-19 pandemic in 2020 and 2021 in South Africa. Design. Alcohol industry sales data as a proxy for consumption was assessed using statistics presented in South African Wine Industry Information & Systems (SAWIS) booklets released annually between 1995 and 2022 and used to describe changes over time in consumption overall, and by product, and the impact on consumption from changes in policy. Results. Per capita consumption of alcoholic beverages overall has held steady or declined over time, but declines were noted in the market share of wine and beer (especially) and a massive increase for RTDs. The consumption data also indicated short term effects of Covid-19 interventions (especially in 2020) in terms of reducing overall alcohol consumption, with a return to prior levels in 2022. Industry data on packaging for wine was able to show the immediate and longer-term impact of the 2007 ban on wine sold in foil-bags. Conclusion. Industry data are a useful adjunct to consumer measures of alcohol use, as well as in detecting the impact of policy changes related to availability and packaging, notwithstanding gaps in information on illicit/unrecorded sales and other limitations.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».