The effectiveness and cost-effectiveness of population-level policies to reduce alcohol use: A systematic umbrella review
Notice bibliographique
Résumé
OBJECTIVE: To systematically review and synthesize evidence from reviews about the effectiveness and cost-effectiveness of population-level policies to reduce alcohol use. METHODS: We searched peer-reviewed literature using eight electronic bibliographic databases, grey literature using two databases, two search engines, and two working paper repositories, and examined references of included studies. At least two reviewers independently screened articles for inclusion, extracted detailed characteristics, and assessed the risk of bias of each included study. We considered all reviews that included studies which quantitatively examined the relationship between alcohol consumption and population-level policies that seek to regulate the public availability and marketing of alcoholic beverages. After screening according to a set of predetermined criteria, we included 32 reviews. SYNTHESIS: We found consistent evidence that addressing alcohol availability (introducing or increasing minimum purchasing age, restrictions on temporal availability, decreasing outlet density, government monopolization) was associated with lower alcohol use; and a general lack of evidence on the associations between alcohol marketing (marketing self-regulation, advertising from government authorities, regulating the volume of advertising from alcohol manufacturers, and introducing warning labels) and alcohol consumption, which precludes any conclusions about these regulations. Additionally, we found scarce evidence about the cost-effectiveness of population-level policies to reduce alcohol use, which is likely due to the relatively low cost of implementation and enforcement of these policies. CONCLUSION: The Government of Ontario began expanding privatized alcohol sales in 2015 with further expansions starting in August 2024. Evidence from reviews suggests that this increase in availability will result in increased alcohol consumption.
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 | 0,038 | 0,195 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,013 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».