Mind the gap: rethinking global alcohol metrics in high-abstention low-income and middle-income countries
Notice bibliographique
Résumé
Alcohol per capita consumption (APC; total pure alcohol consumed per person 15 years or older per year) is the primary indicator used to track global progress in reducing harms associated with alcohol use. However, in many low-income and middle-income countries (LMICs), where most of the population abstain from alcohol and risk of alcohol-associated harm is concentrated in a heavy-drinking minority, APC can misrepresent both exposure and risk. This Viewpoint argues for the routine inclusion of drinker-adjusted metrics, specifically litres of alcohol consumed per drinker (alcohol per drinker), alongside the standard APC indicator. By use of data from WHO's Global Information System on Alcohol and Health, we show how alcohol per drinker reveals patterns hidden by population averages, particularly in high-abstention LMICs. For example, South Africa and the UK have similar APC but starkly different alcohol-attributable harm profiles, which are better explained by differences in alcohol per drinker. Although APC remains valuable, relying on this metric alone risks misinterpreting progress and misdirecting policy in contexts where drinking is concentrated among a minority of the population who drink heavily. As global monitoring evolves, we call for the inclusion of additional metrics that better reflect risk in diverse contexts.
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 | 0,027 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,006 | 0,015 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».