One Size Fits All? Disentangling the Effects of Tobacco Taxes, Laws, and Control Spending on Adult Subgroups in the United States
Notice bibliographique
Résumé
Background : To determine the relative impact of each of the 3 state-level tobacco control policies (cigarette taxation, tobacco control spending, and smoke-free air [SFA] laws) on adult smoking rate overall and separately for adult subgroups in the United States. Methods : A difference-in-differences analysis was conducted with generalized propensity scores. State-level policies were merged with the individual-level Behavioral Risk Factor Surveillance System in 1995–2009. Results : State cigarette taxation was the only policy that significantly impacted smoking among the general adult population, with a 1-standard deviation increase in taxes (i.e., $0.68 in constant 2014 dollars) lowering the adult smoking rate by about a quarter of a percentage point. The taxation impact was consistent, regardless of the presence of, or interactions with, other policies. Taxation was also the only policy that significantly reduced smoking for some adult subgroups, including females, non-Hispanic whites, adults aged 51 or older, and adults with more than a high school education. However, other adult subgroups responded to the other 2 types of policies, either by mediating the taxation effect or by reducing smoking independently. Specifically, tobacco control spending reduced smoking among young adults (ages 18–25 years) and Hispanics. SFA laws affected smoking among men, young adults, non-Hispanic blacks, and Hispanics. Conclusions : State cigarette taxation is the single most important policy for reducing smoking among the general adult population. However, adult subgroups’ reactions to taxes are diverse and mediated by tobacco control spending and SFA laws.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».