Können höhere Alkoholsteuern zu einer Verringerung der alkoholbedingten gesundheitlichen Ungleichheit beitragen? Ergebnisse einer Mikrosimulationsstudie
Bibliographic record
Abstract
Hintergrund und Fragestellung: Verbrauchssteuern auf alkoholische Getränke zählen zu den von der Weltgesundheitsorganisation als kosteneffektiv empfohlenen Maßnahmen. Beobachtungsstudien legen nahe, dass Alkoholsteuern nicht nur die alkoholbedingte Krankheitslast auf Bevölkerungsebene verringern, sondern auch zum Abbau gesundheitlicher Ungleichheit zwischen Personen mit niedrigem und hohem sozioökonomischem Status (SÖS) beitragen können. Die vorliegende Studie überprüft diese Hypothese erstmals mit Hilfe eines innovativen Mikrosimulationsmodells. Methoden/Erläuterung des Versorgungsprojektes: In einem dynamischen Computermodell simulieren wir Alkoholkonsum auf individueller Ebene für die Jahre 2000 bis 2019. Die synthetische Population repräsentiert die erwachsene US-Bevölkerung entsprechend ihrer Verteilung nach Geschlecht, Alter (18-79), ethnischer Zugehörigkeit und Bildungsabschluss (Indikator für SÖS). Das Sterberisiko jeder simulierten Person wird auf der Grundlage von Risikofunktionen für zehn alkoholbedingte Todesursachen modelliert. Die Modellparameter werden mit Hilfe eines Bayes’schen Ansatzes kalibriert. Um die Auswirkungen einer einmaligen Erhöhung der Alkoholsteuern auf die durch Alkoholkonsum verlorenen Lebensjahre getrennt nach Geschlecht und Bildungsgruppe zu untersuchen, werden kontrafaktische Szenarien mit verschiedenen Steuererhöhungen im Jahr 2015 berechnet. Ergebnisse/Erfahrungen, Erwartungen: Vorläufige Ergebnisse deuten darauf hin, dass in Szenarien mit höherer Alkoholsteuer ein geringerer Verlust in den Lebensjahren aufgrund von Alkoholkonsum zu beobachten ist. Das Ausmaß der gewonnenen Lebensjahre variiert zwischen den Bildungsgruppen, wobei die Gruppe mit dem niedrigsten Bildungsabschluss die größten Gewinne aufzeigt. Diese positiven Effekte höherer Alkoholsteuern flachen in den Jahren nach der einmaligen Intervention ab. Diskussion und Schlussfolgerung: Die Mikrosimulation ermöglicht es, die Auswirkungen höherer Alkoholsteuern auf den Alkoholkonsum und die alkoholbedingte Krankheitslast in verschiedenen Bevölkerungsgruppen zu untersuchen. Das Computermodell trägt so zu einem besseren Verständnis der Wirkungsmechanismen alkoholpolitischer Maßnahmen bei und bietet Einblicke in deren Auswirkungen auf die gesundheitliche Ungleichheit. Die Erkenntnisse lassen sich auf andere Länder übertragen und sind für Deutschland als Hochkonsumland mit liberaler Alkoholpolitik von großer Bedeutung. Offenlegung von Interessenskonflikten sowie Förderungen: Ich und die Koautorinnen und Koautoren erklären, dass während der letzten 3 Jahre keine wirtschaftlichen Vorteile oder persönlichen Verbindungen bestanden, welche die Arbeit zum eingereichten
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 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".