Estimating the health impacts of sugar-sweetened beverage tax for informing policy decisions about the obesity burden in Vietnam
Notice bibliographique
Résumé
BACKGROUND: Taxation on sugar-sweetened beverages (SSBs) has been adopted in more than 40 countries but remained under discussion in Vietnam. This study aimed to estimate the health impacts of different SSBs tax plans currently under discussion to provide an evidence base to inform decision-making about a SSBs tax policy in Vietnam. METHOD & FINDINGS: Five tax scenarios were modelled, representing three levels of price increase: 5%, 11% and 19-20%. Scenarios of the highest price increase were assessed across three different tax designs: ad valorem, volume-based specific tax & sugar-based specific tax. We modelled SSBs consumption in each tax scenario; how this reduction in consumption translates to a reduction in total energy intake and how this relationship in turn translates to an average change in body weight and obesity status among adults by applying the calorie-to weight conversion factor. Changes in type 2 diabetes burden were then calculated based on the change in average BMI of the modelled cohort. A Monte Carlo simulation approach was applied on the conversion factor of weight change and diabetes risk reduction for the sensitivity analysis. We found that the taxation that involved a 5% price increase gave relatively small impacts while increasing SSBs' price up to 20% appeared to impact substantially on overweight and obesity rates (reduction of 12.7% and 12.4% respectively) saving 27 million USD for direct medical cost. The greatest reduction was observed for overweight and obesity class I. The decline in overweight and obesity rates was slightly higher for women than men. CONCLUSION: This study supports the SSB tax policy in pursuit of public health benefits, especially where the tax increase involves around a 20% price increase. The health benefit and revenue gains were evident across all three tax designs with the specific tax based on sugar density achieving greatest effects.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».