MétaCan
Menu
Retour à la cohorte
Enregistrement W2811330124 · doi:10.1371/journal.pmed.1002597

Chile’s 2014 sugar-sweetened beverage tax and changes in prices and purchases of sugar-sweetened beverages: An observational study in an urban environment

2018· article· en· W2811330124 sur OpenAlexfundno aff
Juan Carlos, Camila Corvalán, Marcela Reyes, Andrés Silva, Barry M. Popkin, Lindsey Smith Taillie

Notice bibliographique

RevuePLoS Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institutes of HealthUniversidad de ChileInternational Development Research CentreBloomberg Philanthropies
Mots-clésSugarCalorieAdded sugarCounterfactual thinkingDietary SucroseAgricultural economicsFood scienceBusinessEnvironmental healthEconomicsMedicineBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: On October 1, 2014, the Chilean government modified its previous sugar-sweetened beverage (SSB) tax, increasing the tax rate from 13% to 18% on industrialized beverages with high levels of sugar (H-SSBs) (greater than 6.25 grams [g] sugar/100 milliliters [mL]) and decreasing the tax rate from 13% to 10% on industrialized beverages with low or no sugar (L-SSBs) (less than 6.25 g sugar/100 mL). This study examines changes in beverage prices and household beverage purchases following the implementation of the tax reform. METHODS AND FINDINGS: We used longitudinal data collected between January 1, 2013, and December 31, 2015, from 2,000 households. We defined the pretax period as January 1, 2013, to September 30, 2014, and the posttax period as October 1, 2014, to December 31, 2015. We conducted a pre-post analysis for changes in prices and purchases, with the latter examined by volume and calories. We compared posttax changes in prices and purchases to a counterfactual, defined as what would have been expected in the posttax period based on pretax trends. All results are stated as comparisons to this counterfactual. We linked beverages at the bar code level to nutrition facts panel data collected by a team of Chilean nutritionists who categorized them by taxation level and beverage subcategory, which included carbonated and noncarbonated H-SSBs and concentrated, ready-to-drink L-SSBs and untaxed beverages. We reconstituted concentrated beverages and analyzed all beverages using as-consumed volumes and calories. Posttax monthly prices of H-SSBs increased, but these changes were small. Prices of carbonated H-SSBs increased by 2.0% (95% confidence interval [CI] 1.0%-3.0%), while those of noncarbonated H-SSBs increased by 3.9% (95% CI 1.6%-6.2%). Prices of L-SSB concentrates decreased after the tax by 6.7% (95% CI -8.2%--4.6%), and prices of ready-to-drink L-SSBs increased by 1.5% (95% CI 0.3%-2.7%). Households decreased monthly per capita purchases of H-SSBs by 3.4% by volume (95% CI -5.9%--0.9%) and 4.0% by calories (95% CI -6.3%--1.9%), and this change was greater among high socioeconomic status (SES) households. The volume of household purchases of L-SSBs increased 10.7% (95% CI 7.5%-13.9%), while that of untaxed beverage purchases decreased by 3.1% (95% CI -5.1%--1.1%). The main limitation of this study was that there was no control group, so we were unable to assess the causal impact of the tax. CONCLUSIONS: The modifications of Chile's SSB tax were small, and observed changes in prices and purchases of beverages after the tax were also small. Our results are consistent with previous evidence indicating that small increases in SSB taxes are unlikely to promote large enough changes in SSB purchases to reduce obesity and noncommunicable diseases (NCDs).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,075
Tête enseignante GPT0,306
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

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

Citations185
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetObesity, Physical Activity, DietTravaux en français237 207