Unlocking the power of tobacco taxation to mitigate the social costs of smoking in Mexico: a microsimulation model
Notice bibliographique
Résumé
Despite being the most cost-effective tobacco control policy, tobacco taxation is the least implemented component of the World Health Organization MPOWER package to reduce smoking worldwide. In Mexico, both smoking prevalence and taxation have remained stable for more than a decade. This study aims to provide evidence about the potential effects of taxation to reduce the burden of tobacco-related diseases and the main attributable social costs in Mexico, including informal (unpaid) care costs, which are frequently ignored. We employ a first-order Monte Carlo microsimulation model that follows hypothetical population cohorts considering the risks of an adverse health event and death. First, we estimate tobacco-attributable morbidity and mortality, direct medical costs and indirect costs, such as labour productivity losses and informal care costs. Then, we assess the potential effects of a 50% cigarette price increase through taxation and two alternative scenarios of 25% and 75%. The inputs come from several sources, including national surveys and vital statistics. Each year, 63 000 premature deaths and 427 000 disease events are attributable to tobacco in Mexico, while social costs amount to MX$194.6 billion (US$8.5)-MX$116.2 (US$5.1) direct medical costs and MX$78.5 (US$3.4) indirect costs-representing 0.8% of gross domestic product. Current tobacco tax revenue barely covers 23.3% of these costs. Increasing cigarette prices through taxation by 50% could reduce premature deaths by 49 000 over the next decade, while direct and indirect costs averted would amount to MX$87.9 billion (US$3.8) and MX$67.6 billion (US$2.9), respectively. The benefits would far outweigh any potential loss even in a pessimistic scenario of increased illicit trade. Tobacco use imposes high social costs on the Mexican population, but tobacco taxation is a win-win policy for both gaining population health and reducing tobacco societal costs.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».