MétaCan
Menu
Retour à la cohorte
Enregistrement W2107475149 · doi:10.1377/hlthaff.2011.0410

A Penny-Per-Ounce Tax On Sugar-Sweetened Beverages Would Cut Health And Cost Burdens Of Diabetes

2012· article· en· W2107475149 sur OpenAlexaff
Y. Claire Wang, Pamela G. Coxson, Yuming Shen, Lee Goldman, Kirsten Bibbins‐Domingo

Notice bibliographique

RevueHealth Affairs · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensColumbia College
Organismes subventionnairesnon disponible
Mots-clésFluid ounce (US)MedicineExciseObesityEnvironmental healthDiabetes mellitusConsumption (sociology)Economics

Résumé

récupéré en direct d'OpenAlex

Sugar-sweetened beverages are a major contributor to the US obesity and diabetes epidemics. Using the Coronary Heart Disease Policy Model, we examined the potential impact on health and health spending of a nationwide penny-per-ounce excise tax on these beverages. We found that the tax would reduce consumption of these beverages by 15 percent among adults ages 25-64. Over the period 2010-20, the tax was estimated to prevent 2.4 million diabetes person-years, 95,000 coronary heart events, 8,000 strokes, and 26,000 premature deaths, while avoiding more than $17 billion in medical costs. In addition to generating approximately $13 billion in annual tax revenue, a modest tax on sugar-sweetened beverages could reduce the adverse health and cost burdens of obesity, diabetes, and cardiovascular diseases.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,308
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations227
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetObesity, Physical Activity, DietTravaux en français237 207