MétaCan
Menu
Retour à la cohorte
Enregistrement W3206241186 · doi:10.1002/hec.4439

Re‐exploring the early relationship between teenage cigarette and e‐cigarette use using price and tax changes

2021· article· en· W3206241186 sur OpenAlexaff
Michael F. Pesko, Casey Warman

Notice bibliographique

RevueHealth Economics · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensDalhousie University
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésEconomicsGovernment (linguistics)Cigarette smokingMedicineCohortSurvey data collectionLongitudinal dataEconometricsAdvertisingPublic economicsDemographic economicsDemographyBusinessStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

In 2016, the Surgeon General used longitudinal cohort studies to conclude that youth e-cigarette use is strongly associated with cigarette use. We re-evaluate data from the period of time before the writing of the Surgeon General report, using quasi-experimental methods, and reach the opposite conclusion. We study contemporaneous and intertemporal effects of e-cigarette and cigarette price and tax changes. Our price variation comes from 35,000 retailers participating in the Nielsen Retail Scanner data system. We match price and tax variation to survey data on current use of e-cigarettes and cigarettes for over 94,000 students between grades 6 and 12 in the National Youth Tobacco Survey (NYTS) for years 2011-2015. We find evidence that e-cigarettes and cigarettes are same-period economic substitutes. Coefficient estimates (while imprecisely estimated) also suggest potentially large positive effects of past e-cigarette prices on current cigarette use, indicating intertemporal economic substitution. Our findings raise doubts about the conclusion of government-sponsored reports that e-cigarettes and cigarettes are strongly positively associated. We recommend revisiting and possibly amending this conclusion.

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)0,022
score de la tête « metaresearch » (Gemma)0,045
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 enseignants0,114
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,045
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,257
Tête enseignante GPT0,358
Écart entre enseignants0,102 · 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

Citations70
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetHealth disparities and outcomesTravaux en français237 207