Cross-border purchasing of cigarettes among smokers in SixCountries of the EUREST-PLUS ITC Europe Surveys
Notice bibliographique
Résumé
INTRODUCTION: The availability of lower-cost cigarettes in neighboring countries provides price-sensitive smokers with incentives to purchase cheaper out-of-country cigarettes. This study estimates the prevalence of and factors associated with cross-border purchasing of cheaper cigarettes among smokers from Germany, Greece, Hungary, Poland, Romania, and Spain. The prevalence of cross-border purchasing was estimated by residential location, defined as living in regions bordering a lower-price country (where prices were at least €1/pack lower), regions bordering a similar- or higher-price country, and internal non-border regions. METHODS: Data were from a survey of nationally representative samples of adult smokers (n=6011) from Germany, Greece, Hungary, Poland, Romania, and Spain. The primary outcome was purchasing cheaper out-of-country cigarettes in the previous six months. Residential location was defined using The Nomenclature of Territorial Units for Statistics (NUTS2 in Germany and NUTS3 in the other countries). Multivariable logistic regression tested differences in purchasing cheaper out-of-country cigarettes by country and residential location. RESULTS: Residential location was associated with purchasing cheaper out-of-country cigarettes in Germany and Poland (p<0.05): 31% of German and 11% of Polish smokers living in regions bordering lower-price countries reported purchasing cheaper out-of-country cigarettes in the previous six months. Smokers living in regions bordering lower-price countries had 4.21 times greater odds of purchasing cheaper out-of-country cigarettes compared to smokers living in non-border regions. CONCLUSIONS: Overall, only a minority of smokers in the six countries purchased cheaper cigarettes outside their country. However, smokers living in regions bordering countries where cigarettes were at least €1/pack lower than their home country had significantly higher odds of purchasing cheaper out-of-country cigarettes. This effect was especially prominent among German smokers. Tax harmonization policies designed to minimize cross-border price differentials can eliminate lower-priced alternatives for price-sensitive smokers.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».