MétaCan
Menu
Retour à la cohorte
Enregistrement W3014424366 · doi:10.1016/j.ehb.2020.100869

The health and financial impacts of a sugary drink tax across different income groups in Canada

2020· article· en· W3014424366 sur OpenAlexafffundabout
Kai-Erh Kao, Amanda Jones, Arto Öhinmaa, Mike Paulden

Notice bibliographique

RevueEconomics & Human Biology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet, Metabolism, and Disease
Établissements canadiensUniversity of Alberta
Organismes subventionnairesHeart and Stroke Foundation of Canada
Mots-clésDemographyPopulationConsumption (sociology)Environmental healthOverconsumptionMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Overconsumption of sugar-sweetened beverages (SSBs) contributes to childhood and adult obesity and numerous related diseases, including heart disease, strokes, cancers, and type 2 diabetes. It also increases healthcare costs. Sugary drink taxes have been implemented in several countries to curb sugar intake. However, there is a concern that sugary drink taxes are regressive. This study assessed the health and financial impacts of a simulated sugary drink tax across different income groups in Canada. METHODS: A proportional multi-state life table-based Markov model simulated the 2016 Canadian population by income quintile. The model applied a 20 % tax on sugary drinks and determined the effects on type 2 diabetes and BMI-related diseases compared to no intervention. The income-specific parameters modelled included: population demographics; cross- and own-price elasticities; mean BMI; sugary drink consumption; mortality; and disease epidemiology. RESULTS: A 20 % sugary drink tax was estimated to reduce the consumption of sugary drinks by an average of around 15 %, with a greater reduction in the lowest income quintile. The estimated mean reduction in BMI ranged from 0.21 to 0.33, dependent upon sex and income quintile; these reductions were greater among the lower income quintiles for both females and males. The 20 % sugary drink tax was estimated to avert approximately 690,000 DALYs over a lifetime among the 2016 Canadian adult population; estimated DALYs averted were approximately 156,000, 140,000, 137,000, 134,000, and 125,000 for the lowest through to the highest income quintile, respectively. Lifetime health care savings were estimated to be $2.27bn, $2.16bn, $2.17bn, $2.12bn, and $1.98bn for the lowest through to the highest income quintile, respectively. The estimated annual tax burden for the 2016 Canadian population was $1.4bn. The average absolute tax burden was estimated to be $39.00 to $44.30 per person, with the middle-income quintile bearing the heaviest absolute tax burden. The lowest income quintile would pay the highest proportion of income in tax, implying that the tax is regressive. CONCLUSIONS: Low-income Canadians would gain the most health benefit from a sugary drinks tax. However, the lowest income quintile would also pay the largest proportion of income in tax. A tax on sugary drinks is therefore financially regressive but forecast to reduce health disparities across Canada.

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)0,004
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 enseignants0,088
Score d'incertitude au seuil0,640

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,267
Écart entre enseignants0,253 · 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

Citations29
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEconomics & Human BiologyMême sujetDiet, Metabolism, and DiseaseTravaux en français237 207