Carga do tabagismo no Brasil e benefício potencial do aumento de impostos sobre os cigarros para a economia e para a redução de mortes e adoecimento
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The prevalence of smoking in Brazil has decreased considerably in recent decades, but the country still has a high burden of disease associated with this risk factor. The study aimed to estimate the burden of mortality, morbidity, and costs for society associated with smoking in 2015 and the potential impact on health outcomes and the economy based on price increases for cigarettes through taxes. Two models were developed: the first is a mathematical model based on a probabilistic microsimulation of thousands of individuals using hypothetical cohorts that considered the natural history, costs, and quality of life of these individuals. The second is a tax model applied to estimate the economic benefit and health outcomes in different price increase scenarios in 10 years. Smoking was responsible for 156,337 deaths, 4.2 million years of potential life lost, 229,071 acute myocardial infarctions, 59,509 strokes, and 77,500 cancer diagnoses. The total cost was BRL 56.9 billion (USD 14.7 billion), with 70% corresponding to the direct cost associated with healthcare and the rest to indirect cost due to lost productivity from premature death and disability. A 50% increase in cigarette prices would avoid 136,482 deaths, 507,451 cases of cardiovascular diseases, 64,382 cases of cancer, and 100,365 cases of stroke. The estimated economic benefit would be BRL 97.9 billion (USD 25.5 billion). In conclusion, the burden of disease and economic losses associated with smoking is high in Brazil, and tax increases are capable of averting deaths, illness, and costs to society.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,006 |
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 découle