MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406943768 · doi:10.1016/j.socscimed.2025.117772

The effect of cigarette prices on smoking cessation in South Africa using duration analysis: 1970–2017

2025· article· en· W4406943768 sur OpenAlexafffund
Nicole Vellios, Corné van Walbeek, G. Emmanuel Guindon

Notice bibliographique

RevueSocial Science & Medicine · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMcMaster University
Organismes subventionnairesAfrican Capacity Building FoundationInternational Development Research CentreBill and Melinda Gates Foundation
Mots-clésDuration (music)Smoking cessationMedicineCigarette smokingDemographyEnvironmental healthSociologyInternal medicineArt

Résumé

récupéré en direct d'OpenAlex

South Africa is an interesting case to explore given its high smoking rates and quit intentions, its experience with periods of tax- and industry-initiated cigarette price increases, and the mixed evidence of the effect of prices on smoking cessation (particularly in low- and middle-income countries). We used data from five waves of the National Income Dynamics Study, a nationally-representative survey conducted between 2008 and 2017, and duration analysis techniques to examine whether cigarette prices were associated with South African smokers' decision to quit smoking. Smoking histories were constructed from self-reported age of onset and cessation and matched to monthly price data from 1970 to 2017. We found that price was associated with smoking cessation: a 10% increase in the price of cigarettes was associated with an increase in smoking cessation of 5.8-7.9%, depending on model specification. Our results indicate that increasing the excise tax on cigarettes above inflation would likely encourage smoking cessation in South Africa, provided measures to reduce illicit cigarette trade are concurrently implemented.

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)0,006
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 enseignants0,063
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
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)0,0030,000

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 Opus0,042
Tête enseignante GPT0,365
Écart entre enseignants0,323 · 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial Science & Medicine→Même sujetAir Quality and Health Impacts→Travaux en français237 207→