Impacts sur l'économie et la santé des principales mesures possibles en matière d'alcool
Bibliographic record
Abstract
Les politiques en matière d’alcool offrent d’immenses possibilités pour limiter les méfaits de l’alcool, améliorer la santé, renforcer la productivité, faire reculer les délits et les actes de violence et diminuer les dépenses publiques. La Stratégie mondiale de l’OMS visant à réduire l’usage nocif de l’alcool propose une liste de mesures envisageables fondées sur le consensus international, que l’OCDE a utilisée comme point de départ pour recenser un ensemble d’actions et les évaluer dans le cadre d’une analyse économique s’appuyant sur un modèle de simulation par ordinateur. Les actions évaluées dans trois pays – le Canada, la République tchèque et l’Allemagne – incluent des politiques de prix, des mesures de réglementation et d’application de la législation, des programmes d’éducation et des interventions sanitaires. Les résultats de l’analyse de l’OCDE montrent que l’on peut considérablement améliorer la santé par de brèves interventions dans le domaine des soins primaires, qui ciblent généralement les consommateurs d’alcool à haut risque, mais aussi par des hausses de taxes, qui concernent tous les consommateurs d’alcool.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".