Association between tobacco prices and smoking onset: evidence from the TCP India Survey
Notice bibliographique
Résumé
BACKGROUND: Tobacco use is prevalent among youth and adults in India. However, direct evidence on how increasing taxes or prices affect tobacco use onset is scarce. OBJECTIVE: To analyse the associations between cigarette and bidi prices and smoking onset in India, and how these associations differ by socioeconomic status. METHODOLOGY: The Wave 1 of the Tobacco Control Policy Evaluation India Survey by the International Tobacco Control Project contains information on the age at smoking onset for cigarettes and bidis. Using this information, data were expanded to a yearly pseudo-panel dataset that tracked respondents at risk of smoking onset from 1998 to 2011. The associations between bidi prices and bidi smoking onset, between cigarette prices and cigarette smoking onset, and between bidi and cigarette prices and any smoking onset were examined using a discrete-time hazard model with a logit link function. Stratified analyses were conducted to examine the difference in these associations by rural versus urban division. RESULTS: We found that higher bidi prices were significantly associated with a lowered hazard of bidi smoking onset (OR 0.42, 95% CI 0.35 to 0.51). Higher cigarette prices were significantly (OR 0.87, 95% CI 0.83 to 0.92) associated with a lowered hazard of cigarette smoking onset among urban residents, but this association was non-significant when SEs were clustered at the state level. In addition, the association between increasing bidis prices and lowered hazards of bidi smoking onset was greater for urban residents than for rural ones (p<0.01). CONCLUSIONS: Under the new regime of a central goods and service system, policymakers may need to raise the prices of tobacco products sufficiently to curb smoking onset.
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 | 0,002 | 0,002 |
| 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 ».