MétaCan
Menu
Retour à la cohorte
Enregistrement W3165600456 · doi:10.1111/obr.13301

South Africa's Health Promotion Levy: Excise tax findings and equity potential

2021· review· en· W3165600456 sur OpenAlexfundno aff
Karen Hofman, Nicholas Stacey, Elizabeth C. Swart, Barry M. Popkin, Shu Wen Ng

Notice bibliographique

RevueObesity Reviews · 2021
Typereview
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentSouth African Medical Research CouncilMedical Research CouncilBloomberg PhilanthropiesNational Institutes of HealthInternational Development Research Centre
Mots-clésExciseEquity (law)EconomicsBusinessPublic economicsMedicinePolitical scienceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

In 2016, the South African government proposed a 20% sugar-sweetened beverage (SSB) tax. Protracted consultations with beverage manufacturers and the sugar industry followed. This resulted in a lower sugar-based beverage tax, the Health Promotion Levy (HPL), of approximately 10% coming into effect in April 2018. We provide a synthesis of findings until April 2021. Studies show that despite the lower rate, purchases of unhealthy SSBs and sugar intake consumption from SSBs fell. There were greater reductions in SSB purchases among both lower socioeconomic groups and in subpopulations with higher SSB consumption. These subpopulations bear larger burdens from obesity and related diseases, suggesting that this policy improves health equity. The current COVID-19 pandemic has impacted food and nutritional security. Increased pandemic mortality among people with obesity, diabetes, and hypertension highlight the importance of intersectoral public health disease-prevention policies like the HPL, which should be strengthened.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,763
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,004

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 Opus0,299
Tête enseignante GPT0,526
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueObesity ReviewsMême sujetGlobal Health Care IssuesTravaux en français237 207