The economics of tobacco control (Part 2): evidence from the ITC Project
Notice bibliographique
Résumé
The empirical evidence for the effectiveness of excise tax increases as a tool for tobacco control and for generating government revenue is overwhelming. Although initially this evidence was generated primarily in high-income countries, the past two decades has seen much evidence originating in low-income and middle-income countries. The findings are broadly similar. The answer to the question, “Are excise taxes effective as a tobacco control instrument?” is an unambiguous “Yes.” This supplement considers secondary questions. For example, how do tax and/or price increases affect different demographic groups’ smoking behaviour? How does the tax structure influence the effectiveness of excise tax increases? Do certain individual or community characteristics impact the effectiveness of excise tax increases? Are minimum price laws (MPLs) equally/more/less effective than tobacco excise tax increases to reduce smoking? How do smokers avoid tax or price increases? These topics do not question the effectiveness of excise tax increases as a tobacco control instrument, but they allow researchers and policymakers to gain a deeper understanding of the complexities associated with tax and price increases. While time series data and cross-sectional data were sufficient to establish the effectiveness of excise tax increases as a tobacco control tool, many of the secondary questions require more sophisticated data. Longitudinal data allow researchers to do exactly that. The International Tobacco Control Policy Evaluation Project (ITC Project), founded in 2002, systematically evaluates key policies of the WHO Framework Convention on Tobacco Control (FCTC). Starting with four countries (Canada, the USA, the UK and Australia), it has expanded rapidly and is currently in 22 countries, containing more than 50% of the world's population, 60% of the world's smokers and 70% of the world's tobacco users. This supplement consists of 13 papers. Of these, 10 consider individual countries (China (2), Malaysia, Mauritius, Mexico (2), South Korea, Uruguay, the …
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 | 0,020 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».