The distributional effects of tobacco tax increases across regions in Mexico: an extended cost-effectiveness analysis
Notice bibliographique
Résumé
Abstract Background Several studies have shown the beneficial effects of tobacco fiscal policy, but distributional effects have been less examined, especially at the subnational level. The objective of this study is to analyse the distributional effects of a one-peso tobacco tax increase (roughly equivalent to tripling the current excise tax) on health, poverty, and financial outcomes at the subnational level in Mexico. Methods We employ an extended cost-effectiveness analysis that estimates life-years gained, smoking attributable deaths averted, treatment costs averted, number of persons avoiding poverty and catastrophic health expenditures, and additional tax revenues by income group across five regions. Results With the one-peso tax increase (or 44% price increase), about 1.5 million smokers would quit smoking across the five regions, resulting in nearly 630 thousand premature deaths averted and 12.6 million life years gained. The bottom income quintile would gain three times more life years gains than the top quintile (ratio 3:1), and the largest gain for the most deprived would occur in the South (ratio 19:1), the region with the highest poverty incidence. Costs averted and additional tax revenues would reach 44.6 and 16.2 billion pesos, respectively. Moreover, 251 thousand individuals would avoid falling into poverty, including 53.2 in the lowest income quintile, and 563.9 thousand would avoid catastrophic health expenditures. Overall, the bottom income group would obtain 26% of the life years gained and 24% of the cost averted, while only paying 3% of the additional tax revenue. Conclusions The most significant gains from a substantial cigarette price increase would be for the poorest 20%, especially in the South, the most impoverished region of Mexico. Therefore, tobacco taxes are an opportunity for governments to advance in equity and towards the achievement of sustainable development goals on non-communicable diseases.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,002 | 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) | 0,004 | 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 ».