MétaCan
Menu
Retour à la cohorte
Enregistrement W2279068228 · doi:10.1016/j.jhealeco.2016.04.001

How to sell a condom? The impact of demand creation tools on male and female condom sales in resource limited settings

2016· article· en· W2279068228 sur OpenAlexfundno aff
Fern Terris‐Prestholt, Frank Windmeijer

Notice bibliographique

RevueJournal of Health Economics · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSex work and related issues
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoLeverhulme TrustDepartment for International DevelopmentDepartment for International Development, UK GovernmentBill and Melinda Gates Foundation
Mots-clésCondomSocial marketingPromotion (chess)MarketingBusinessPopulationProduct (mathematics)AdvertisingHuman immunodeficiency virus (HIV)EconomicsEnvironmental healthMedicineFamily medicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Despite condoms being cheap and effective in preventing HIV, there remains an 8billion shortfall in condom use in risky sex-acts. Social marketing organisations apply private sector marketing approaches to sell public health products. This paper investigates the impact of marketing tools, including promotion and pricing, on demand for male and female condoms in 52 countries between 1997 and 2009. A static model differentiates drivers of demand between products, while a dynamic panel data estimator estimates their short- and long-run impacts. Products are not equally affected: female condoms are not affected by advertising, but highly affected by interpersonal communication and HIV prevalence. Price and promotion have significant short- and long-run effects, with female condoms far more sensitive to price than male condoms. The design of optimal distribution strategies for new and existing HIV prevention technologies must consider both product and target population characteristics.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,331
Écart entre enseignants0,297 · 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'étudeObservationnel
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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health EconomicsMême sujetSex work and related issuesTravaux en français237 207