MétaCan
Menu
Retour à la cohorte
Enregistrement W4398184465 · doi:10.1371/journal.pone.0303328

Inequality of the crowding-out effect of tobacco expenditure in Colombia

2024· article· en· W4398184465 sur OpenAlexfundno aff
Juan Miguel Gallego, Guillermo Paraje, Paul Rodríguez‐Lesmes

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchAgencia Nacional de Investigación y DesarrolloMinistério da Ciência, Tecnologia e InovaçãoInternational Development Research CentreDepartamento Administrativo de Ciencia, Tecnología e Innovación (COLCIENCIAS)World Bank Group
Mots-clésInequalityCrowdingDemographic economicsEconomicsBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

In recent decades, policy initiatives involving increases in the tobacco tax have increased pressure on budget allocations in poor households. In this study, we examine this issue in the context of the expansion of the social welfare state that has taken place over the last two decades in several emerging economies. This study explores the case of Colombia between 1997 and 2011. In this period, the budget share of the poorest expenditure quintile devoted to tobacco products of smokers' households doubled. We analyse the differences between the poorest and richest quintiles concerning the changes in budget shares, fixing a reference population over time to avoid demographic composition confounders. We find no evidence of crowding-out of education or healthcare expenditures. This is likely to be the result of free universal access to health insurance and basic education for the poor. For higher-income households, tobacco crowds out expenditures on entertainment, leisure activities, and luxury expenditures. This finding should reassure policymakers who are keen to impose tobacco taxes as an element of their public health policy.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,280
Score d'incertitude au seuil0,557

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,038
Tête enseignante GPT0,214
Écart entre enseignants0,176 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207