MétaCan
Menu
Retour à la cohorte
Enregistrement W2915430175 · doi:10.5539/ijms.v11n1p150

Saudi Smokers' Behaviors After a 100% Tax Increase

2019· article· en· W2915430175 sur OpenAlexvenueno aff
Ahmed Mohammed Alqarni

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConsumption (sociology)Environmental healthAlcohol consumptionMedicineBusinessIncidence (geometry)Demographic economicsPsychologyAdvertisingDemographyEconomicsAlcohol

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to explore smokers' responses to a 100% tax increase on tobacco prices in Saudi Arabia. According to the World Health Organisation, an increase in tax is the single most effective tool to reduce the incidence of smoking. However, using a tax increase in other health areas (especially in reducing alcohol, sugar, or fat consumption) shows that consumers' reactions can differ according to socio-demographic characteristics. 334 participants of different generational cohorts and incomes completed a questionnaire. It was found that only about 10% of the participants actually reduced their consumption to maintain smoking the same brand, 20% changed to cheaper brands, and over 60% made no changes at all to their smoking behaviours. Age and income played very minor roles. Interestingly, a majority claimed that they were considering quitting smoking, the percentages dropping from 75% of the younger respondents to 56% of the older. The research shows that socio-demographic features play a large part in smokers' behaviour changes in response to a large tax increase on cigarettes. It recommends setting up a minimum price for all brands that could discourage young people from starting to smoke.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,028
Tête enseignante GPT0,351
Écart entre enseignants0,323 · 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'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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetSmoking Behavior and CessationTravaux en français237 207