Alkoholpolitik in Deutschland: Verpasste Chancen zur Senkung der Krankheitslast
Bibliographic record
Abstract
Zusammenfassung: Zielsetzung: Ausgehend von der Veröffentlichung der dritten Ausgabe des Buchs „Alkohol: Kein gewöhnliches Konsumgut“ haben die Autor_innen die Umsetzung kosteneffektiver alkoholpolitischer Maßnahmen in Deutschland bewertet. Methodik: Aktuelle gesetzliche Regelungen und Praktiken zu Maßnahmen aus vier Bereichen wurden gesichtet: (1) Preispolitische Maßnahmen; (2) Regulation der Verfügbarkeit alkoholischer Getränke; (3) Beschränkungen des Alkoholmarketings; sowie (4) Maßnahmen zur Bekämpfung von Alkohol am Steuer. Ergebnisse: Die Verbrauchssteuern auf alkoholische Getränke sind im europäischen Vergleich eher gering und führen zu keiner nennenswerten Reduktion der Erschwinglichkeit von Alkohol. Alkoholische Getränke können mit nur wenigen Ausnahmen rund um die Uhr und in unterschiedlichen Verkaufsstätten (z. B. in Supermärkten oder Tankstellen) erworben werden. Beschränkungen im Alkoholmarketing gibt es nur im Bereich Jugendschutz und sind auf die Abwendung von Darstellungen eines „missbräuchlichen“ Konsums beschränkt. Empfohlene Maßnahmen gegen Alkohol am Steuer sind weitestgehend umgesetzt. Schlussfolgerungen: Kosteneffektive alkoholpolitische Maßnahmen, die die alkoholbedingte Krankheitslast in Deutschland substantiell reduzieren könnten, sind in Deutschland unzureichend implementiert.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
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".