Evidence that a tax on sugar sweetened beverages reduces the obesity rate: a meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Excess intake of sugar sweetened beverages (SSBs) has been shown to result in weight gain. To address the growing epidemic of obesity, one option is to combine programmes that target individual behaviour change with a fiscal policy such as excise tax on SSBs. This study evaluates the literature on SSB taxes or price increases, and their potential impact on consumption levels, obesity, overweight and body mass index (BMI). The possibility of switching to alternative drinks is also considered. METHODS: The following databases were used: Pubmed/Medline, The Cochrane Database of Systematic Reviews, Google Scholar, Econlit, National Bureau of Economics Research (NBER), Research Papers in Economics (RePEc). Articles published between January 2000 and January 2013, which reported changes in diet or BMI, overweight and/or obesity due to a tax on, or price change of, SSBs were included. RESULTS: Nine articles met the criteria for the meta-analysis. Six were from the USA and one each from Mexico, Brazil and France. All showed negative own-price elasticity, which means that higher prices are associated with a lower demand for SSBs. Pooled own price-elasticity was -1.299 (95% CI: -1.089 - -1.509). Four articles reported cross-price elasticities, three from the USA and one from Mexico; higher prices for SSBs were associated with an increased demand for alternative beverages such as fruit juice (0.388, 95% CI: 0.009 - 0.767) and milk (0.129, 95% CI: -0.085 - 0.342), and a reduced demand for diet drinks (-0.423, 95% CI: -0.628 - -1.219). Six articles from the USA showed that a higher price could also lead to a decrease in BMI, and decrease the prevalence of overweight and obesity. CONCLUSIONS: Taxing SSBs may reduce obesity. Future research should estimate price elasticities in low- and middle-income countries and identify potential health gains and the wider impact on jobs, monetary savings to the health sector, implementation costs and government revenue. Context-specific cost-effectiveness studies would allow policy makers to weigh these factors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,054 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».