MétaCan
Menu
Retour à la cohorte
Enregistrement W3152601346 · doi:10.1080/16549716.2020.1871189

The data availability landscape in seven sub-Saharan African countries and its role in strengthening sugar-sweetened beverage taxation

2021· article· en· W3152601346 sur OpenAlexfundno aff
Agnes Erzse, Safura Abdool Karim, Anne Marie Thow, Ahaibwe Gemma, Hans Justus Amukugo, Gershim Asiki, Lebogang Gaogane, Mulenga Mukanu, Twalib Ngoma, Charles Mulindabigwi Ruhara, Milka Wanjohi, Karen Hofman

Notice bibliographique

RevueGlobal Health Action · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésPublic economicsBusinessRevenueTax revenueQualitative propertyEconomicsAccountingComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Credible data and indicators are necessary for country-specific evidence to support the design, implementation, monitoring and evaluation of sugar-sweetened beverage (SSB) taxation.Objective: A cross-country analysis was undertaken in seven Sub-Saharan African countries to describe the potential role of available data in strengthening SSB taxation. The objectives were to: document currently available data sources; report on public access; discuss strengths and limitations for use in monitoring SSB taxation; describe policy maker's data needs, and propose improvements in data collection.Methods: The study used a mixed-methods approach involving a secondary data analysis of publicly available documents, and a qualitative exploration of the data needs of policy makers’ using primary data. Findings were synthesised and assessed for data strengths and weaknesses, including usability and availability. SSB taxation-related data availability was critically assessed with respect to adequacy in strengthening taxation policy on SSBs.Results: Findings showed a paucity of SSB taxation-related data in all seven countries. National survey data are inadequate regarding the intake of SSBs and household expenditure on SSBs. Fiscal data from SSB tax revenue, value added tax from SSB sales, corporate income tax from SSB companies and SSB custom duty revenues, are lacking. Accurate information on the soft drink industry is not easily accessed.Conclusion: Timely, easily understood, concise, and locally relevant evidence is needed in order to inform policy development on SSBs. The relevant data are drawn from multiple sectors. Cross- sector collaboration is therefore needed. Indicators for SSBs should be developed and included in current data collection tools to ensure monitoring and evaluation for SSB taxation.

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)0,017
score de la tête « metaresearch » (Gemma)0,062
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 enseignants0,043
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,062
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,012
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,040
Tête enseignante GPT0,328
Écart entre enseignants0,288 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Health ActionMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207