Applying an intersectional lens to alcohol inequities: A conceptual framework
Notice bibliographique
Résumé
BACKGROUND: Prior research has demonstrated substantial inequities in alcohol consumption, alcohol-related harms, and mortality. These inequities arise from a complex interplay of factors, unlikely addressed by single factor analyses or solutions. Conceptual frameworks, such as the National Institute on Minority Health and Health Disparities (NIMHD) Research Framework, aim to reflect this complexity and support multifaceted research and action. This paper adapts the NIMHD Framework to focus on alcohol-related inequities and integrate core intersectionality principles. METHOD: We developed the Intersectional Alcohol Inequities Framework (IAIF) through collaboration among leading scholars in alcohol, intersectionality, and policy modelling. In a workshop centred on the core ideas of intersectional frameworks, we identified key factors influencing alcohol consumption and related harms, using the United States as a case study. Using thematic analysis, we grouped the discussion points, then mapped them against the NIMHD Framework. We searched the literature to expand upon workshop insights, iteratively refining the framework until reaching idea saturation. RESULTS: To align with the core ideas of intersectionality, the IAIF introduced new elements absent in the NIMHD Framework, specifically a 'power' domain, a 'historical' level, and emphasis on relationality. We also incorporated a 'digital environment' domain, to reflect an important element of contemporary social context, as previously identified by other health equity scholars. We provided examples of their relevance to alcohol inequities, highlighted practical applications for stakeholders, and discussed adaptability to other public health issues and contexts. CONCLUSIONS: The Intersectional Alcohol Inequities Framework offers a tool for critical dialogue on how various factors, across multiple levels and domains, intersect to influence alcohol-related outcomes. It can provide support and guidance for researchers, facilitate the identification of research needs and gaps in current policies, support the design of new policies and interventions, and inform comprehensive patient management.
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 | 0,034 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,018 | 0,013 |
| Études des sciences et des technologies | 0,014 | 0,076 |
| Communication savante | 0,020 | 0,034 |
| Science ouverte | 0,005 | 0,022 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».