Economic loss attributable to cigarette smoking in the USA: an economic modelling study
Notice bibliographique
Résumé
BACKGROUND: Despite large geographical disparities in the prevalence of cigarette smoking across the USA, there is a paucity of state-level estimates of economic loss attributable to smoking to inform tobacco control policies at the national and state levels. We aimed to estimate the state-level economic loss attributable to cigarette smoking in the USA. METHODS: In this economic modelling study, we used a dynamic macroeconomic model of personal income per capita at the state level. Based on publicly available data on state-level income, its determinants, and smoking status for 2011-20, we first estimated the elasticity of personal income per capita with respect to the prevalence of non-smoking adults (aged ≥18 years) in the USA using a mixed-effects, generalised linear, dynamic panel data model. We used the estimated elasticity to measure the state-specific, annual, avoidable economic loss attributable to cigarette smoking in 2020 under the counterfactual 5% prevalence of cigarette smoking. We then estimated the state-specific cumulative economic loss attributable to cigarette smoking in 2020 using the coefficient of lagged income in the dynamic model. National estimates on economic loss attributable to cigarette smoking were obtained by summing state-specific estimates. FINDINGS: In the mixed-effects model, the elasticity of personal income per capita with respect to the prevalence of non-smoking adults was 0·143 (p=0·063). The estimated annual income loss per capita in 2020 ranged from US$331 in Utah to $1674 in Kentucky. The state mean population-weighted loss per capita was $1100. The annual combined loss of income and unpaid household production at the national level was $436·7 billion (equivalent to 2·1% of US gross domestic product [GDP] in 2020). The cumulative loss of income and unpaid household production was $864·5 billion (equivalent to 4·3% of US GDP in 2020). INTERPRETATION: Smoking causes substantial economic loss in the USA. Tobacco control efforts that lower the prevalence of smoking equitably can contribute considerably to improved macroeconomic performance in the short and long term by reducing health expenditures and avoiding productivity losses. FUNDING: American Cancer Society.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».