The distributional impact of taxing sugar-sweetened beverages: findings from an extended cost-effectiveness analysis in South Africa
Notice bibliographique
Résumé
BACKGROUND: Facing increasing obesity prevalence and obesity-related disease burden, South Africa has devised an obesity prevention strategy that includes a recently implemented tax on the sugar content of sugar-sweetened beverages (SSB). We assess the potential distributional impact (across socioeconomic groups) of this tax on type 2 diabetes mellitus (T2DM) incidence and associated mortality and its financial burden on households. METHODS: We conducted an extended cost-effectiveness analysis of the new 10% tax on SSBs in South Africa, and estimated: the averted premature deaths related to T2DM, the financial benefits to households (out-of-pocket (OOP) medical costs and indirect costs due to productivity losses averted), the increased government tax revenues and healthcare savings for the government, all across income quintiles. FINDINGS: A 10% SSB tax increase would avert an estimated 8000 T2DM-related premature deaths over 20 years, with most deaths averted among the third and fourth income quintiles. The government would save about South African rand (ZAR) 2 billion (US$140 million) in subsidised healthcare over 20 years; and would raise ZAR6 billion (US$450 million) in tax revenues per annum. The bottom two quintiles would bear the smallest tax burden increase (36% of the additional taxes). The bottom two income quintiles would also have the lowest savings in OOP payments due to significant subsidisation provided by government healthcare. Lastly, an estimated 32 000 T2DM-related cases of catastrophic expenditures and 12 000 cases of poverty would be averted. CONCLUSIONS: SSB taxation would have a substantial distributional impact on obesity-related premature deaths, cost savings to the government and the financial outcomes of South Africa's population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».