MétaCan
Menu
Retour à la cohorte
Enregistrement W2616741907 · doi:10.11575/prism/30112

Examing a Federal Excise Tax on Sugar-Sweetened Beverages as a Measure of Health Promotion

2016· article· en· W2616741907 sur OpenAlexaboutno aff
Amanda Giang

Notice bibliographique

RevuePRISM (University of Calgary) · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExciseMeasure (data warehouse)BusinessPromotion (chess)SugarFood sciencePublic economicsEconomicsPolitical scienceChemistryComputer sciencePoliticsLaw

Résumé

récupéré en direct d'OpenAlex

Rates of obesity and chronic disease have been on the rise in Canada, contributing to the burden on provincial and territorial healthcare systems at the expense of other public programs. Many of these illnesses – heart disease, type 2 diabetes, cancer – are nutrition related and are preventable. A major contributor to these illnesses is sugar and its overconsumption. Sugar – especially added-­‐‑sugars – can be found in many packaged and processed foods with no additional nutritional value. Unfortunately, the negative health effects of unconsciously consuming sugar in abundance is not internalized by many Canadians. This effectively elevates the risk of disease, and subsequently an increased demand for healthcare services and creates a burden on the economy in general. Unfortunately, Canada’s existing health promotion and prevention initiatives do not seem to be achieving the goal of alleviating the unnecessary costs to the healthcare system in terms of affecting a change in behaviour of Canadians. As such, the choice of policy instrument should be reconsidered. This project will study the rationale for a tax on sugar-­‐‑ sweetened beverages in Canada, its impact on the economy, and factors that must be considered when implementing such a tax.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,206

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,042
Tête enseignante GPT0,211
Écart entre enseignants0,169 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetTaxation and Compliance StudiesTravaux en français237 207