MétaCan
Menu
Retour à la cohorte
Enregistrement W4387017393 · doi:10.18332/tid/169785

Illicit trade and real prices of cigarettes in Chile

2023· article· en· W4387017393 sur OpenAlexfundno aff
Guillermo Paraje, Luca Pruzzo, Mauricio Flores Muñoz

Notice bibliographique

RevueTobacco Induced Diseases · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Illinois at ChicagoUniversity of Illinois at Urbana-ChampaignInternational Development Research CentreBloomberg Philanthropies
Mots-clésConsumption (sociology)Tobacco industryPopulationEconomicsBusinessEnvironmental healthMedicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The tobacco industry claims that tobacco taxes are responsible for increased illicit trade in Chile, which they estimated at 37% in 2022. However, the evolution of cigarette consumption, estimated from population surveys, and of tax-paying cigarettes shows a decreasing penetration of illicit trade since 2018. METHODS: A gap analysis was used to estimate the evolution of illicit trade based on an arithmetic identity stating that total national cigarette consumption over a given period is equal to the registered consumption as paying taxes plus the cigarettes that are consumed nationally without paying taxes. RESULTS: Illicit trade penetration in Chile was around 10% in 2020, less than half of what the tobacco industry claimed. In addition, the evolution of real prices of cigarettes, calculated using tax collection data, indicates that real prices net of tobacco taxes increased significantly during 2015-2021, a period with no changes in tobacco taxation. The cheapest cigarettes, presumably competing with illicit cigarettes, registered the most significant price increase. CONCLUSIONS: Claims of increasing illicit trade penetration in Chile are unfounded and are not supported by data on consumption and tax-paying cigarettes.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,308
Écart entre enseignants0,273 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTobacco Induced DiseasesMême sujetSmoking Behavior and CessationTravaux en français237 207