MétaCan
Menu
Retour à la cohorte
Enregistrement W7010036198

Gender-Responsive Approaches to the Acceptability, Availability and Affordability of Alcohol. Brief 11

2024· other· en· W7010036198 sur OpenAlexaff

Notice bibliographique

RevueResearchOnline · 2024
Typeother
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Production (economics)Work (physics)Quality (philosophy)PaymentPublic policyProductivityInvestment (military)Key (lock)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Gender-related norms persist in our societies, including in the consumption of alcohol. Despite knowing that men and women consume alcohol differently and are affected by its harm differently, alcohol control policies remain essentially gender blind. Highly gendered approaches to alcohol marketing and gender differences in patterns of alcohol consumption and its associated harm are well documented. Relatively little evidence has examined the different effects of population-level alcohol control policies on different genders, and even less has addressed how gender intersects with socioeconomic status, age, ethnicity, and other factors.<br/>Experiences from countries illustrate gendered approaches being used by the alcohol industry (Brazil and the United States) and the innovative ways that governments and civil society organizations are tackling the gendered effects of alcohol consumption. This includes promoting employment outside the alcohol industry (United Republic of Tanzania), developing gender-specific supports for alcohol consumption (Pakistan and Scotland), mobilizing civil society to enforce marketing bans (Sri Lanka) and creating culturally sensitive and culturally embedded policies (Aotearoa New Zealand). There is a clear need for policy-relevant research that supports an increased understanding of what works for gender-responsive approaches to reduce the harm caused by 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,244
Tête enseignante GPT0,387
Écart entre enseignants0,143 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearchOnlineMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207