The political economy of sugar-sweetened beverage taxation in Latin America: lessons from Mexico, Chile and Colombia
Notice bibliographique
Résumé
BACKGROUND: In Latin America, total sales of sugar-sweetened beverages (SSBs) continue to rise at an alarming rate. Consumption of added sugar is a leading cause of diet-related non-communicable diseases (NCDs). Coalitions of stakeholders have formed in several countries in the region to address this public health challenge including participation of civil society organizations and transnational corporations. Little is currently known about these coalitions - what interests they represent, what goals they pursue and how they operate. Ensuring the primacy of public health goals is a particular governance challenge. This paper comparatively analyses governance challenges involved in the adoption of taxation of sugar-sweetened beverages in Mexico, Chile and Colombia. The three countries have similar political and economic systems, institutional arrangements and regulatory instruments but differing policy outcomes. METHODS: We analysed the political economy of SSB taxation based on a qualitative synthesis of existing empirical evidence. We identify the key stakeholders involved in the policy process, identified their interests, and assess how they influenced adoption and implementation of the tax. RESULTS: Coalitions for and against the SSB taxation formed the basis of policy debates in all three countries. Intergovernmental support was critical to framing the SSB tax aims, benefits and implementation; and for countries to adopt it. A major constraint to implementation was the strong influence of transnational corporations (TNCs) in the policy process. A lack of transparency during agenda setting was notably enhanced by the powerful presence of TNCs. CONCLUSION: NCDs prevention policies need to be supported across government, alongside grassroots organizations, policy champions and civil society groups to enhance their success. However, governance arrangements involving coalitions between public and private sector actors need to recognize power asymmetries among different actors and mitigate their potentially negative consequences. Such arrangements should include clear mechanisms to ensure transparency and accountability of all partners, and prevent undue influence by industry interests associated with unhealthy products.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».