The legal feasibility of adopting a sugar-sweetened beverage tax in seven sub-Saharan African countries
Notice bibliographique
Résumé
Background: A number of countries have adopted sugar-sweetened beverage taxes to prevent non-communicable diseases but there is variance in the structures and rates of the taxes. As interventions, sugar-sweetened beverage taxes could be cost-effective but must be compliant with existing legal and taxation systems.Objectives: To assess the legal feasibility of introducing or strengthening taxation laws related to sugar-sweetened beverages, for prevention of non-communicable diseases in seven countries: Botswana, Kenya, Namibia, Rwanda, Tanzania, Uganda and Zambia.Methods: We assessed the legal feasibility of adopting four types of sugar-sweetened beverage tax formulations in each of the seven countries, using the novel FELIP framework. We conducted a desk-based review of the legal system related to sugar-sweetened beverage taxation and assessed the barriers to, and facilitators and legal feasibility of, introducing each of the selected formulations by considering the existing laws, laws related to impacted sectors, legal infrastructure, and processes involved in adopting laws.Results: Six countries had legal mandates to prevent non-communicable diseases and protect the health of citizens. As of 2019, all countries had excise tax legislation. Five countries levied excise taxes on all soft drinks, but most did not exclusively target sugar-sweetened beverages, and taxation rates were well below the World Health Organization’s recommended 20%. In Uganda and Kenya, agricultural or HIV-related levies offered alternative mechanisms to disincentivise consumption of sugar-sweetened beverages without the introduction of new taxes. Nutrition-labelling laws in all countries made it feasible to adopt taxes linked to the sugar content of beverages, but there were lacunas in existing infrastructure for more sophisticated taxation structures.Conclusion: Sugar-sweetened beverage taxes are legally feasible in all seven countries Existing laws provide a means to implement taxes as a public health intervention.
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 | 0,006 | 0,020 |
| 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 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».