The impact of smoking and quitting on household expenditure patterns and medical care costs in China
Notice bibliographique
Résumé
BACKGROUND: Smoking remains very common in Chinese men, and the economic burden caused by cigarette consumption on smokers and their families may be substantial. Using a large nationally representative household survey, the third National Health Services Survey (NHSS, 2003), we estimated the economic impact of smoking on households. METHODS: Smoking status of all household members (over 15 years) was collected by interview for the NHSS, and households classified into one of seven categories based on their smoking status. Information on household income and expenditure, and use of health services was also obtained. We assessed both the "direct" costs (reducing funds available for spending on other commodities such as food, education, medical care, etc, using a fractional logit model), and "indirect costs" (increasing medical expenditures, using a log-linear model). RESULTS: Every five packets of cigarettes consumed per capita per month reduces household spending on other commodities, most notably on education (by about 17 yuan per capita per annum) and medical care (11 yuan). The effects are greatest among low-income rural households. Households with quitters spend substantially more on medical care than never-smoking households (64 yuan for households with two or more quitters). CONCLUSIONS: If a household member smokes, there is less money available for commodities such as education and medical care. Medical care expenditure is substantially higher among households with quitters, as ill-health is the main reason for quitting smoking in China. Smoking impoverishes a substantial number of poorer rural households.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».