Das Geschäft mit dem Leid – wie viel Umsatz macht die Alkoholindustrie mit Risiko- und Hochkonsum?
Bibliographic record
Abstract
Zusammenfassung: Zielsetzung: Während die Alkoholindustrie öffentlich für einen „verantwortungsvollen“ Alkoholkonsum wirbt, deuten Studienergebnisse aus anderen Ländern darauf hin, dass mehr als die Hälfte ihres Umsatzes auf Personen mit schädlichem Alkoholkonsum zurückzuführen ist. In dieser Studie untersuchen wir, ob dies auch auf Deutschland zutrifft. Methodik: Daten zur allgemeinen erwachsenen Bevölkerung (18–64 Jahre) stammen aus vier Quellen: 1) Epidemiologischer Suchtsurvey (2018, 2021), 2) Einkommens- und Verbrauchsstichprobe (2018), 3) Bevölkerungsstatistik (2018) und 4) Branchenstatistik zum Alkoholumsatz (2018). Wir berechneten die Bevölkerungs-, Alkoholkonsum- und Umsatzanteile für drei Alkoholkonsumkategorien (d. h. niedrig riskanter, riskanter, hochriskanter Konsum), wobei wir die getränkespezifischen Konsummengen und Ausgaben nach Geschlecht, Alter, Einkommen und Alkoholkonsumkategorie berücksichtigten. Ergebnisse: Dreizehn Prozent der in Deutschland lebenden erwachsenen Bevölkerung war in den letzten 12 Monaten abstinent. Die Mehrheit (71.9 %, 95 % Konfidenzintervall [KI] [71.2 %–72.7 %]) der Erwachsenen trank niedrig riskant, 12.9 % (95 % KI [12.3 %–13.5 %]) riskant und 2.0 % (95 % KI [1.7 %–2.2 %]) hochriskant. Personen mit riskantem und hochriskantem Alkoholkonsum konsumierten mehr als die Hälfte des verkauften Alkohols und generierten einen Umsatz von 5.71 Mrd. € – die Hälfte des Gesamtalkoholumsatzes in Deutschland . Schlussfolgerung: Die Hälfte des Alkoholumsatzes wird in Deutschland durch riskanten und hochriskanten Alkoholkonsum erwirtschaftet. Dies veranschaulicht den Konflikt zwischen dem selbsterklärten Engagement der Industrie zur Prävention von Gesundheitsschäden und ihren kommerziellen Interessen.
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 | 0.024 | 0.074 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
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".