The impact of alcohol control policy on assaults and sexual assaults in Lithuania: An interrupted time-series analysis
Notice bibliographique
Résumé
OBJECTIVES: The aim of the current study was to test the impact of three alcohol control policy enactments (in 2008, 2017 and 2018) on assaults and sexual assaults in Lithuania. The hypothesis tested was that alcohol control policy implementation is associated with a reduction in the occurrence of both assaults and sexual assaults. STUDY DESIGN: An interrupted time-series analysis. METHODS: To estimate the unique impact of three alcohol control policies, interrupted time-series analyses were conducted. Three alcohol policy enactments, based on the World Health Organization "best buys" framework, and the following stringent criteria: (1) pricing policies had to have resulted in decreased affordability, defined in terms of the price of alcohol increasing at a higher degree than average disposable income; or (2) availability policies that aimed to reduce alcohol use for a large portion of the general population were selected for evaluation. RESULTS: The alcohol control policy implemented in 2017 was statistically significantly associated with a reduction of 29.9 % (exp(-0.35379)-1) in the rate of sexual assaults, after adjusting for the financial recession and COVID-19-related lockdowns and smooth functions of time. CONCLUSIONS: Study provides evidence that alcohol control policies, particularly those focusing on major alcohol tax increases that reduces alcohol affordability can contribute to reducing rates of sexual assault. The current findings, along with the consistent evidence linking alcohol use to sexual violence, supports the need for comprehensive strategies for mitigating violence to include alcohol.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».