Distributional benefits of tobacco tax and smoke–free workplaces in China: A modeling study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Tobacco taxation and smoke-free workplaces reduce smoking, tobacco-related premature deaths and associated out-of-pocket health care expenditures. We examine the distributional consequences of a price increase in tobacco products through an excise tax hike, and of an implementation of smoke-free workplaces, in China. METHODS: We use extended cost-effectiveness analysis (ECEA) to evaluate, across income quintiles of the male population (the large majority of Chinese smokers), the premature deaths averted, the change in tax revenues generated, and the financial risk protection procured (eg, poverty cases averted, defined as the number of individuals no longer facing tobacco-related out-of-pocket expenditures for disease treatment, that would otherwise impoverish them), that would follow a 75% increase in cigarette prices through substantial increments in excise tax fully passed onto consumers, and a nationwide total implementation of workplace smoking bans. RESULTS: A 75% increase in cigarette prices would avert about 24 million premature deaths among the current Chinese male population, with a third among the bottom income quintile, increase additional tax revenues by US$ 46 billion annually, and prevent around 9 million poverty cases, 19% of which among the bottom income quintile. Implementation of smoking bans in workplaces would avert about 12 million premature deaths, with a fifth among the bottom income quintile, decrease tax revenues by US$ 7 billion annually, and prevent around 4 million poverty cases, 12% of which among the bottom income quintile. CONCLUSIONS: Increased excise taxes on tobacco products and workplace smoking bans can procure large health and economic benefits to the Chinese population, especially among the poor.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle