Essays on health and behavioral economics

Resumen

Introducción La Economía de la Salud y la Economía del Comportamiento son dos disciplinas interrelacionadas que abordan cuestiones fundamentales en el ámbito de la salud y el bienestar. La economía de la salud se centra en el análisis de la asignación eficiente de recursos en el sistema de salud, examinando cómo los factores económicos influyen en la provisión, la demanda y los resultados de la atención médica. Por otro lado, la economía del comportamiento se enfoca en comprender cómo los seres humanos toman decisiones relacionadas con su salud, teniendo en cuenta los factores psicológicos, sociales y emocionales que influyen en dichas elecciones. La crisis sanitaria del COVID-19 ha puesto de manifiesto la importancia crítica del debate en salud pública, no solo en términos de la prevención y el tratamiento de enfermedades, sino también en lo que respecta a la salud mental. El impacto de la pandemia en la salud mental de las personas ha sido significativo, con un aumento en los niveles de estrés, ansiedad y depresión. Esta situación ha resaltado la necesidad de abordar integralmente la salud, reconociendo que la salud mental es un componente fundamental para el bienestar general. Además, es crucial considerar que los individuos pueden no actuar siempre de manera completamente racional cuando se trata de su salud. La economía del comportamiento ha demostrado que nuestras decisiones están influenciadas por una serie de sesgos cognitivos, emociones y factores sociales. En este contexto, esto puede traducirse en comportamientos subóptimos, como la falta de adherencia a tratamientos, la procrastinación en la búsqueda de atención médica o la adopción de hábitos perjudiciales para la salud. Reconocer la irracionalidad limitada en la toma de decisiones relacionadas con la salud es funda- mental para diseñar políticas y estrategias efectivas. La aplicación de principios de la economía del comportamiento en la economía de la salud puede ayudar a comprender y abordar estos sesgos, promoviendo comportamientos saludables, mejorando la toma de decisiones informada y optimizando la asignación de recursos en el sistema de atención médica. El objetivo de esta tesis es examinar el proceso de toma de decisiones en un contexto de salud, reconociendo que los individuos pueden tener racionalidad limitada. Partimos de la premisa de que nuestras decisiones relacionadas con la salud están influenciadas por factores cognitivos, emocionales y sociales, lo cual puede llevar a comportamientos subóptimos. En este sentido, se busca explorar cómo los principios de la economía del comportamiento pueden aplicarse en la economía de la salud para comprender y abordar estos sesgos, promoviendo así una toma de decisiones más informada y efectiva en beneficio de la salud y el bienestar de las personas. El primer capítulo de esta tesis se enfoca en el contexto de las interacciones sociales durante la adolescencia, con el objetivo de probar la existencia de efectos indirectos (`spillovers') en los sesgos de los amigos y su impacto en la toma de decisiones relacionadas con comportamientos de riesgo para la salud, como fumar o beber alcohol. El segundo capítulo se centra en el componente subjetivo del diagnóstico del Trastorno por Déficit de Atención e Hiperactividad (TDAH), explorando cómo el uso de heurísticas en la toma de decisiones, basadas en comparaciones interpersonales sobre la in- formación genómica de los compañeros de escuela, puede influir en dicho diagnóstico. Por último, el tercer capítulo examina la evolución de la pandemia del COVID-19 en términos de casos de infectados, utilizando un modelo epidemiológico que ha sido microfundamentado para incorporar sesgos del comportamiento que pueden afectar la tasa de contagio. Con este enfoque multidisciplinario, se pretende analizar de manera integral las implicaciones económicas y de comportamiento en temas clave de salud, aportando nuevos conocimientos y perspectivas para una toma de decisiones más efectiva en este campo. Desarrollo Teórico En el primer capítulo de la tesis estudiamos, tanto teórica como empíricamente, cómo los sesgos de comportamiento de los amigos afectan la adopción de conductas de riesgo para la salud. La literatura económica se ha centrado principalmente en los precios, impuestos y el proceso de adicción en sí mismo como los principales determinantes de la iniciación en el consumo de alcohol y cigarrillos (Chaloupka, 1991; DeCicca et al., 2002; Cawley and Ruhm, 2011a). No obstante, existe una creciente literatura sobre las interacciones sociales como determinante de la iniciación en el consumo de alcohol y tabaco (DeCicca et al., 2008; Hsieh and van Kippersluis, 2018; Fletcher and Ross, 2018). Identificar correctamente los factores subyacentes a la iniciación de actividades de comportamiento de riesgo para la salud en los adolescentes es fundamental para el desarrollo efectivo de métodos de prevención o programas de intervención (Heckman et al., 2008). La contribución de este capítulo es triple. En primer lugar, aportamos a la literatura sobre efectos de pares al considerar a las personas actuando en contra de sus preferencias, es decir, `internalidades' o `sesgos de comportamiento', como un canal a través del cual los efectos de pares pueden ser amplificados. En segundo lugar, contribuimos a la literatura de economía del comportamiento al examinar la interacción entre externalidades e internalidades en la iniciación del consumo de sustancias. En particular, mostramos que existen efectos colaterales en el comportamiento de riesgo para la salud y los sesgos de comportamiento, lo que a su vez afecta la salud individual. Empíricamente, examinamos si las internalidades están impulsadas por fallas en el autocontrol. Estas internalidades pueden actuar como un posible canal a través del cual los estudiantes sobreestiman el consumo de alcohol, cigarrillos y drogas por parte de sus pares. En tercer lugar, contribuimos a la literatura em- pírica de redes sociales al identificar al jugador clave en nuestro contexto. Este individuo es aquel cuya eliminación de la red conduce a una disminución más significativa en el uso óptimo agregado de sustancias (Ballester et al., 2006). Sostenemos que dirigirse a estos estudiantes podría mejorar el diseño de políticas de intervención dirigidas a reducir comportamientos adictivos potenciales entre los adolescentes. De hecho, existen evidencias de que las intervenciones lideradas por pares son efectivas para reducir el consumo de alcohol y el tabaquismo, tanto de cigarrillos como de cannabis (Campbell et al., 2008; Hollingworth et al., 2012; Macarthur et al., 2016). Derivamos la estrategia empírica del modelo propuesto por Calvó-Armengol et al. (2009). Esta especificación de Autorregresión Espacial (SAR, por sus siglas en inglés) aborda el problema de la reflexividad al aprovechar información única sobre la red de amistades, lo que nos permite desentrañar tanto los efectos contextuales como los endógenos (Bramoullé et al., 2009; Lee et al., 2010). La intuición central es que, si los grupos de referencia de los amigos no se superponen, las características de los amigos no superpuestos pueden utilizarse como predictores o instrumentos de los resultados de los amigos. Para abordar los efectos correlacionados, incluimos efectos fijos de red (para tener en cuenta que los individuos están expuestos a entornos similares, Bramoullé et al., 2009). Además, seguimos a Goldsmith-Pinkham and Imbens (2013) para abordar posibles preocupaciones sobre la selección endógena de amigos y utilizamos un SAR corregido por selección (SC-SAR), asumiendo que podemos explicar parcialmente la formación de amistades a través de la homofilia. La estimación del modelo se basa en la encuesta Add Health. Este conjunto de datos tiene tres ventajas principales que lo distinguen de cualquier otro conjunto de datos. En primer lugar, Add Health proporciona nominaciones de amistad a partir de las cuales podemos recuperar la topología de la red e identificar el grupo más relevante para cada estudiante. Dado que tanto los amigos como los encuestados son examinados, se pueden incluir las características de los amigos para resolver el problema de reflexividad. En segundo lugar, estos datos contienen información sobre el autocontrol, que es nuestra medida deseada de internalidad. En tercer lugar, Add Health contiene información sobre estudiantes de secundaria en los grados 7-12 (es decir, entre las edades de 12 y 18 años). Este rango de edad es importante porque la mayoría de los hábitos (no) saludables se forman durante este período de vida. Existen evidencias de que el inicio cada vez más temprano del consumo de alcohol conduce a un mayor riesgo de abuso de alcohol posteriormente (Hawkins et al., 1999). En cuanto al tabaquismo, más del 80% de los fumadores adultos comienzan a fumar antes de los 18 años (Hsieh and van Kippersluis, 2018). Nuestros resultados proporcionan evidencia de que el autocontrol de los amigos es una parte esencial de los efectos de pares endógenos. En particular, un aumento de una desviación estándar en el autocontrol propio y el de los amigos conduce a una reducción en el índice de comportamiento de riesgo para la salud, respectivamente. Además, vale la pena señalar la fuerza de los efectos tanto del propio autocontrol como del de los amigos: la suma de ambos efectos puede contrarrestar el impacto del comportamiento de riesgo para la salud de los amigos en el propio comportamiento de riesgo. En cuanto al análisis de bienestar, mostramos que dirigirse al jugador clave conduce a una mayor reducción en la participación en comportamientos de riesgo que dirigirse al jugador más activo (o al estudiante con la medida de centralidad no microfundada más alta) o a un jugador seleccionado al azar. Luego mostramos que incluir más información sobre el individuo (incluidos sus sesgos) ayuda a mejorar la identificación del jugador clave y obtener estimaciones más realistas del efecto potencial de una intervención dirigida basada en este estudiante. El segundo capítulo de este trabajo conjunto propone un enfoque novedoso para detectar los estándares relativos en el diagnóstico del Trastorno por Déficit de Atención e Hiperactividad (TDAH) utilizando datos genéticos disponibles en Add Health, una encuesta longitudinal basada en escuelas en Estados Unidos. Se sabe que la prevalencia del TDAH varía ampliamente entre países y dentro de ellos (Charach et al., 2011). En general, se ha encontrado que la prevalencia del TDAH es mayor en Estados Unidos que en Canadá y en los países europeos (Charach et al., 2011; Thomas et al., 2015), y también hay una variación significativa entre regiones dentro de Estados Unidos, así como por género e ingresos. Además, la prevalencia del TDAH en Estados Unidos ha estado aumentando desde finales de la década de 1990, junto con el aumento en la prescripción de medicamentos para tratar el trastorno. Sin embargo, actualmente no existe un marcador biológico específico que pueda usarse para el diagnóstico del TDAH (APA, 2013). Como resultado, el diagnóstico médico del TDAH suele basarse en observaciones de los pacientes y en informes subjetivos de terceros, como padres y maestros, lo que puede conducir a errores de diagnóstico. La controversia en torno al diagnóstico y tratamiento del TDAH se ha intensificado aún más debido a la creciente evidencia que indica que los niños que son relativamente jóvenes para su grado tienen más probabilidades de ser diagnosticados y tratados que sus compañeros mayores. Dado que el TDAH es un trastorno neurológico subyacente, se espera que su prevalencia no se vea afectada por pequeñas variaciones en la edad de los niños dentro de un mismo grado debido a las diferentes fechas de corte de ingreso escolar. Por lo tanto, esta evidencia sugiere la existencia de estándares subjetivos en el diagnóstico del TDAH basados en comparaciones entre individuos. En este segundo capítulo, se utilizó un enfoque distinto al utilizado anteriormente en la literatura para abordar este problema. Se clasificó la susceptibilidad genética de los estudiantes al TDAH utilizando puntuaciones de riesgo poligénico del TDAH, que son indicadores resumidos de la propensión genética de los individuos hacia el trastorno. Se aprovechó la variación aparentemente aleatoria en la composición de compañeros entre grados dentro de las escuelas para evaluar si la posición relativa de un estudiante en la distribución de susceptibilidad genética al TDAH dentro de su grado afecta la probabilidad de diagnóstico, manteniendo constantes su edad y su propia susceptibilidad genética al TDAH. Los resultados mostraron evidencia sólida de que los estándares relativos en el di- agnóstico del TDAH son relevantes, estadísticamente significativos y principalmente impulsados por comparaciones dentro del mismo género. Específicamente, se encontró que un aumento en la posición de los estudiantes en la clasificación de susceptibilidad genética al TDAH dentro de su género y grado escolar aumenta la probabilidad de diagnóstico del TDAH. Este efecto es significativo, de gran magnitud y se observa principalmente en niños. En este último capítulo, incorporamos estos conocimientos de la economía conductual en un modelo epidemiológico formal. Nuestra hipótesis de investigación es que, al incorporar estos conocimientos, las predicciones de los modelos SEIR se modificarán de manera relevante. Para ello, nos basamos en dos cuerpos de literatura distintos. El primero combina economía y epidemiología, y cuenta con ejemplos de estudios que endogenizan el comportamiento económico en un marco racional (Geoffard and Philipson, 1996), consideran que la tasa de cambio de parejas sexuales está determinada endógenamente por la prevalencia del VIH (Kremer, 1996), presentan un marco de elección racional en el cual las personas deciden varios aspectos de sus relaciones sexuales (Greenwood et al., 2019), y permiten el comportamiento arriesgado con una visión de futuro (Auld, 2003). Recientemente, este tipo de modelo se ha aplicado al estudio del COVID-19 (Eichenbaum et al., 2020; Garibaldi et al., 2020; Jones et al., 2020). El segundo cuerpo de literatura incorpora la teoría de juegos en los modelos epidemiológicos, considerando agentes miopes que pueden elegir una variable continua de protección (Reluga, 2010), y abordando variantes del modelo SIR en los que las personas reducen los contactos en función del número actual o acumulativo de casos (Eksin et al., 2019). Sin embargo, hasta donde sabemos, no se ha intentado incorporar la economía conductual en un modelo epidemiológico basado en la teoría de juegos. Esto significa que el análisis proviene de la economía conductual sin modelos epidemiológicos formales, o de modelos epidemiológicos que no consideran la economía conductual. En este capítulo, nuestro objetivo es integrar la economía conductual en un modelo epidemiológico basado en la teoría de juegos, con el fin de mejorar las predicciones del modelo y formalizar mejor algunos de los argumentos planteados desde la economía conductual sobre el manejo del COVID-19. En este capítulo, nos apoyamos en los modelos epidemiológicos compartimentales ampliamente conocidos, como el modelo Susceptible-Expuesto-Infectado-Removido (SEIR), que han sido útiles para estudiar la dinámica de las pandemias. Estos modelos nos muestran cómo diferentes estrategias de salud pública pueden influir en el resultado de la epidemia. Sin embargo, creemos que al considerar cómo los sesgos conductuales pueden influir en la dinámica de la pandemia a través de las acciones individuales, podemos obtener una gran cantidad de información adicional. Es por ello que somos los primeros, hasta donde tenemos conocimiento, en combinar la teoría de juegos y la economía conductual con un modelo epidemiológico. Esto nos permite: 1) endogenizar el comportamiento de la población, permitiendo que los agentes respondan a incentivos y a su percepción del progreso de la pandemia; y 2) formalizar cómo los sesgos cognitivos afectan las percepciones de las personas, lo cual a su vez afecta su comportamiento y, en última instancia, la dinámica del contagio. Esperamos que las `intervenciones conductuales' que cambian la percepción de las personas sobre el entorno puedan mitigar la propagación del contagio. De esta manera, estos modelos epidemiológicos que incorporan la economía conductual pueden utilizarse para estudiar cómo pueden cambiar las dinámicas de la pandemia, es decir, las personas infectadas y recuperadas, debido tanto al comportamiento individual como al comportamiento gubernamental y su interacción. Esto es importante, ya que el comportamiento de las personas determina en cierta medida la gravedad de la pandemia y, por lo tanto, sus consecuencias económicas. Hasta donde tenemos conocimiento, somos los primeros en combinar supuestos epidemiológicos, teoría de juegos y economía conductual para predecir el curso de una pandemia. De hecho, Murray (2020) argumenta que la colaboración entre economistas y epidemiólogos es necesaria para abordar las pandemias, dado que se trata de un problema complejo e interdisciplinario que afecta a todos los aspectos de la sociedad. Conclusiones Esta tesis contribuye al campo de la Economía del Comportamiento y la Economía de la salud en varias formas. El primer capítulo estudia cómo los adolescentes responden a los efectos indirectos de los sesgos del comportamiento de sus amigos hora de iniciar actividades conductuales de riesgo en términos de salud. Este capítulo contribuye a la literatura que estudia la interacción de la economía del comportamiento en situaciones de salud, proveyendo un marco teórico y una estrategia empírica que toma en cuenta que los individuos pueden tener una racionalidad limitada. Hasta donde sabemos, este capítulo es el primero en examinar, tanto teórica como empíricamente, si los sesgos conductuales de los amigos afectan la adopción de comportamientos de riesgo para la salud. En cuanto a las implicaciones de política, los responsables de la toma de decisiones y los educadores deben tener en cuenta el fallo del autocontrol al desarrollar intervenciones dirigidas a reducir el con- sumo de sustancias entre los adolescentes, ya que los sesgos de los amigos son una parte esencial (y no despreciable) del comportamiento de riesgo para la salud de un individuo y tienen efectos de propagación propios. Por lo tanto, para ser más efectiva, una intervención o política pública debería reducir directamente los comportamientos de riesgo para la salud, al tiempo que mejora el autocontrol. De lo contrario, las intervenciones no lograrían reducir su potencial de reducción del consumo de sustancias debido a un multiplicador social que se deriva, en parte, de estos sesgos conductuales. En segundo lugar, el capítulo dos de nuestra tesis contribuye a la literatura que evalúa los estándares relativos en el diagnóstico del Trastorno por Déficit de Atención e Hiperactividad (TDAH). Aportamos a esta literatura mediante una nueva estrategia empírica que no considera la variación en la edad relativa para identificar el efecto causal en el diagnóstico del TDAH. Además, nuestro estudio contribuye a la literatura que investiga los efectos de rango, los cuales suelen basarse en variables proxy de habilidad innata, así como a la literatura que examina los efectos del genoma más allá del entorno familiar. Nuestra evidencia proporciona nuevas perspectivas sobre los factores que podrían explicar la brecha en las tasas de diagnóstico entre niños y niñas con relación al TDAH. Los resultados de nuestro estudio resaltan el papel importante del entorno de los niños en el diagnóstico de este trastorno y subrayan la importancia de esfuerzos interdisciplinarios y coordinados para mejorar dicho diagnóstico. Es fundamental tener en cuenta que un diagnóstico incorrecto podría tener con- secuencias sociales en términos de estigma, económicas debido al costo de la terapia de estimulantes y de salud en relación con los efectos de la medicación. Estos hallazgos son de suma importancia para mejorar la detección y el manejo adecuado del TDAH, ya que un diagnóstico temprano y preciso puede tener un impacto significativo en la calidad de vida de los individuos afectados. Además, destacamos la necesidad de enfoques interdisciplinarios y colaborativos que consideren no solo los factores biológicos, sino también los contextuales y ambientales que influyen en el diagnóstico y tratamiento del TDAH. Finalmente, el tercer capítulo de nuestra tesis contribuye a la literatura en rápido crecimiento que evalúa los factores que influyeron en la evolución de la pandemia del COVID-19. En particular, hasta donde tenemos conocimiento, somos los primeros en proponer un marco teórico que permite evaluar la evolución de los casos de infectados mediante un modelo epidemiológico fundamentado en la toma de decisiones individual, donde la tasa de contagio depende de las acciones de los individuos y se incorporan ciertos sesgos conductuales. Este nuevo enfoque nos permite realizar un estudio más detallado de la evolución de la pandemia y sus factores contribuyentes, lo que a su vez genera nuevas implicaciones políticas. Los resultados de este capítulo demuestran que nuestra hipótesis de investigación era correcta y que nuestro modelo generó ideas significativas que no podrían haberse obtenido sin tener en cuenta los sesgos conductuales de las personas en su toma de decisiones preventivas. Esta claramente es una de las fortalezas de nuestro modelo. Sin embargo, es importante reconocer que nuestro marco de trabajo también tiene algunas limitaciones que nos gustaría discutir, así como posibles direcciones de investigación futura que puedan abordar estas limitaciones y proporcionar nuevos resultados. Consideramos este capítulo como un primer paso en una agenda de investigación que combina modelos epidemiológicos, teoría de juegos y economía conductual, y creemos que abre la posibilidad de incorporar extensiones interesantes. Por ejemplo, hemos incluido un modelo de economía política en el que el gobierno debe decidir cómo responder a la pandemia. No obstante, existen muchas otras aplicaciones económicas que podrían incorporarse, como la investigación y desarrollo de vacunas, campañas de vacunación, entre otros. Consideramos que todas estas son extensiones fructíferas que se pueden integrar en nuestro marco de trabajo. Bibliografía Capítulo 1 Agostinelli, G., Brown, J. M. and Miller, W. R. (1995): `Effects of normative feedback on consumption among heavy drinking college students,' Journal of drug education, 25, 31-40. Allcott, H., Gentzkow, M. and Song, L. (2022): `Digital addiction,' American Economic Review, 112, 2424-63. Allcott, H., Lockwood, B. B. and Taubinsky, D. (2019): `Regressive Sin Taxes, with an Application to the Optimal Soda Tax*,' The Quarterly Journal of Economics, 134, 1557-1626. Allcott, H., Mullainathan, S. and Taubinsky, D. (2014): `Energy policy with externalities and internalities,' Journal of Public Economics, 112, 72-88. Angrist, J. D. (2014): `The perils of peer effects,' Labour Economics, 30, 98-108. Anselin, L. (1990a): `Some robust approaches to testing and estimation in spatial econometrics,' Regional Science and Urban Economics, 20, 141-163. Anselin, L. (1990b): `Spatial Dependence and Spatial Structural Instability in Applied Regression Analysis,' Journal of Regional Science, 30, 185-207. Apicella, C. L., Marlowe, F. W., Fowler, J. H. et al. (2012): `Social networks and cooperation in hunter-gatherers,' Nature, 481, 497-501. Arduini, T., Bisin, A., Özgür, O. et al. (2019): `Dynamic Social Interaction And Health Risk Behavior,' [Nombre de la revista no proporcionado]. Attanasio, O., Barr, A., Cardenas, J. C. et al. (2012): `Risk Pooling, Risk Preferences, and Social Networks,' American Economic Journal: Applied Economics, 4, 134-167. Ballester, C., Calvó-Armengol, A. and Zenou, Y. (2006): `Who¿s Who in Networks. Wanted: The Key Player,' Econometrica, 74, 1403-1417. Ballester, C. and Zenou, Y. (2014): `Key Player Policies When Contextual Effects Matter,' The Journal of Mathematical Sociology, 38, 233-248. Ballester, C., Zenou, Y. and Calvó-Armengol, A. (2010): `Delinquent Networks,' Journal of the European Economic Association, 8, 34-61. Baltagi, B. H. and Anselin, L. (2003): A Companion to Theoretical Econometrics, Malden, MA, USA: Blackwell Publishing Ltd. Battaglini, M., Bénabou, R. and Tirole, J. (2005): `Self-control in peer groups,' Journal of Economic Theory, 123, 105-134. Battaglini, M., Díaz, C. and Patacchini, E. (2017): `Self-control and peer groups: An empirical analysis,' Journal of Economic Behavior & Organization, 134, 240-254. Becker, G. S., Grossman, M. and Murphy, K. M. (1994): `An empirical analysis of cigarette addiction,' American Economic Review, 84, 396-418. Becker, G. S. and Murphy, K. M. (1988): `A Theory of Rational Addiction,' Journal of Political Economy, 96, 675-700. Bernheim, B. D. and Rangel, A. (2004): `Addiction and Cue-Triggered Decision Processes,' American Economic Review, 94, 1558-1590. Berridge, K. C. and O¿Doherty, J. P. (2014): `From Experienced Utility to Decision Utility,' in Neuroeconomics, Elsevier, vol. 84, chap. 18, 335-351. Bifulco, R., Fletcher, J. M. and Ross, S. L. (2011): `The effect of classmate characteristics on postsecondary outcomes: Evidence from the add health,' American Economic Journal: Economic Policy, 3, 25-53. Blume, L. E., Brock, W. A., Durlauf, S. N. et al. (2015): `Linear social interactions models,' Journal of Political Economy, 123, 444-496. Bonacich, P. (1972): `Factoring and weighting approaches to status scores and clique identification,' Journal of mathematical sociology, 2, 113-120. Bramoullé, Y., Djebbari, H. and Fortin, B. (2009): `Identification of peer effects through social networks,' Journal of Econometrics, 150, 41-55. Calvó-Armengol, A., Patacchini, E. and Zenou, Y. (2009): `Peer effects and social networks in education,' Review of Economic Studies, 76, 1239-1267. Campbell, R., Starkey, F., Holliday, J. et al. (2008): `An informal school-based peer-led intervention for smoking prevention in adolescence (ASSIST): a cluster randomised trial,' The Lancet, 371, 1595-1602. Card, D. and Giuliano, L. (2013): `Peer effects and multiple equilibria in the risky behavior of friends,' Review of Economics and Statistics, 95, 1130-1149. Cawley, J. and Ruhm, C. J. (2011a): The Economics of Risky Health Behaviors, vol. 2, Elsevier B.V. Cawley, J. and Ruhm, C. J. (2011b): `The Economics of Risky Health Behaviors,' in Handbook of Health Economics, Volume 2, Elsevier B.V., vol. 2, 95-199. Chaloupka, F. (1991): `Rational Addictive Behavior and Cigarette Smoking,' Journal of Political Economy, 99, 722-742. Chetty, R. (2015): `Behavioral Economics and Public Policy: A Pragmatic Perspective,' American Economic Review, 105, 1-33. Chetty, R., Looney, A., Kroft, K. et al. (2009): `Salience and Taxation: Theory and Evidence,' American Economic Review, 99, 1145-1177. Christakis, N. A. and Fowler, J. H. (2007): `The spread of obesity in a large social network over 32 years,' New England Journal of Medicine, 357, 370-379. Cohen-Cole, E. and Fletcher, J. M. (2008): `Is obesity contagious? Social networks vs. environmental factors in the obesity epidemic,' Journal of Health Economics, 27, 1382-1387. Currarini, S., Matheson, J. and Vega-Redondo, F. (2016): `A simple model of homophily in social networks,' European Economic Review, 90, 18-39. DeCicca, P., Kenkel, D. and Mathios, A. (2002): `Putting out the fires: Will higher taxes reduce the onset of youth smoking?` Journal of Political Economy, 110, 144-169. DeCicca, P., Kenkel, D., Mathios, A. et al. (2008): `Youth smoking, cigarette prices, and antismoking sentiment,' Health Economics, 17, 733-749. DeJong, W., Schneider, S. K., Towvim, L. G. et al. (2006): `A multisite randomized trial of social norms marketing campaigns to reduce college student drinking,' Journal of studies on alcohol, 67, 868-879. Dubois, P., Griffith, R. and O¿Connell, M. (2020): `How well targeted are soda taxes?` American Economic Review, 110, 3661-3704. Eisenberg, D., Golberstein, E. and Whitlock, J. L. (2014): `Peer effects on risky behaviors: New evidence from college roommate assignments,' Journal of Health Economics, 33, 126-138. Fafchamps, M. and Gubert, F. (2007): `The formation of risk sharing networks,' Journal of Development Economics, 83, 326-350. Farhi, E. and Gabaix, X. (2020): `Optimal taxation with behavioral agents,' American Economic Review, 110, 298-336. Fershtman, C. and Segal, U. (2018): `Preferences and social influence,' American Economic Journal: Microeconomics, 10, 124-142. Fletcher, J. M. (2009): `Adolescent depression and educational attainment: results using sibling fixed effects,' Health Economics, 19, 855-871. Fletcher, J. M., Deb, P. and Sindelar, J. L. (2009): `Tobacco Use, Taxation and Self Control in Adolescence,' NBER Working Paper. Fletcher, J. M. and Ross, S. L. (2018): `Estimating the effects of friends on health behaviors of adolescents,' Health Economics (United Kingdom), 27, 1450-1483. Gaviria, A. and Raphael, S. (2001): `School-based peer effects and juvenile behavior,' Review of Economics and Statistics, 83, 257-268. Goldsmith-Pinkham, P. and Imbens, G. W. (2013): `Social Networks and the Identification of Peer Effects,' Journal of Business and Economic Statistics, 31, 253-264. Gruber, J. and Koszegi, B. (2001): `Is Addiction `Rational`? Theory and Evidence,' The Quarterly Journal of Economics, 116, 1261-1303. Gul, F. and Pesendorfer, W. (2001): `Temptation And Self-Control,' Econometrica, 69, 1403-1435. Haines, M. and Spear, S. F. (1996): `Changing the perception of the norm: A strategy to decrease binge drinking among college students,' Journal of American College Health, 45, 134-140. Hallfors, D. D., Waller, M. W., Ford, C. A. et al. (2004): `Adolescent depression and suicide risk: Association with sex and drug behavior,' American Journal of Preventive Medicine, 27, 224-231. Hawkins, J. D., Catalano, R. F., Kosterman, R. et al. (1999): `Preventing adolescent health-risk behaviors by strengthening protection during childhood,' Archives of Pediatrics and Adolescent Medicine, 153, 226-234. Heckman, J. J., Flyer, F. and Loughlin, C. (2008): `An assessment of causal inference in smoking initiation research and a framework for future research,' Economic Inquiry, 46, 37-44. Hollingworth, W., Cohen, D., Hawkins, J. et al. (2012): `Reducing smoking in adolescents: Cost-effectiveness results from the cluster randomized assist (a stop smoking in schools trial),' Nicotine and Tobacco Research, 14, 161-168. Hsieh, C.-S. and Lee, L. F. (2016): `A Social Interactions Model with Endogenous Friendship Formation and Selectivity,' Journal of Applied Econometrics, 31, 301-319. Hsieh, C.-S. and van Kippersluis, H. (2018): `Smoking initiation: Peers and personality,' Quantitative Economics, 9, 825-863. Jackson, M. O. (2010): Social and economic networks, Princeton university press. Jackson, M. O. (2019): `The friendship paradox and systematic biases in perceptions and social norms,' Journal of Political Economy, 127, 777-818. Kahneman, D., Wakker, P. P. and Sarin, R. (1997): `Back to Bentham? Explorations of Experienced Utility,' The Quarterly Journal of Economics, 112, 375-406. Katz, L. (1953): `A new status index derived from sociometric analysis,' Psychometrika, 18, 39-43. Kenkel, D. S. and Sindelar, J. (2011): `Economics of Health Behaviors and Addictions: Contemporary Issues and Policy Implications,' in The Oxford Handbook of Health Economics, ed. by S. Glied and P. C. Smith, Oxford University Press, vol. 2002, 205-231. Kling, J. R., Liebman, J. B. and Katz, L. F. (2007): `Experimental analysis of neighborhood effects,' Econometrica, 75, 83-119. Lee, L. f., Liu, X. and Lin, X. (2010): `Specification and estimation of social interaction models with network structures,' Econometrics Journal, 13, 145-176. Lee, L.-F., Liu, X., Patacchini, E. et al. (2021): `Who is the key player? A network analysis of juvenile delinquency,' Journal of Business & Economic Statistics, 39, 849-857. Lindquist, M. J., Zenou, Y., Lindquist, M. J. et al. (2014): `Key Players in Co-Offending Networks Key Players in Co-Offending Networks,' IZA Discussion Paper. Liu, X. (2013): `Estimation of a local-aggregate network model with sampled networks,' Economics Letters, 118, 243-246. Liu, X., Patacchini, E., Zenou, Y. et al. (2012): `Criminal Networks: Who is the Key Player?` SSRN Electronic Journal. Loewenstein, G. (1996): `Out of control: Visceral influences on behavior,' Organizational Behavior and Human Decision Processes, 65, 272-292. Loewenstein, G., O¿Donoghue, T. and Rabin, M. (2003): `Projection bias in predicting future utility,' Quarterly Journal of Economics, 118, 1209-1248. Lundborg, P. (2006): `Having the wrong friends? Peer effects in adolescent substance use,' Journal of Health Economics, 25, 214-233. Macarthur, G. J., Sean, H., Deborah M., C. et al. (2016): `Peer-led interventions to prevent tobacco, alcohol and/or drug use among young people aged 11-21 years: A systematic review and meta-analysis,' Addiction, 111, 391-407. Manski, C. F. (1993): `Identification of endogenous social effects the reflection problem,' Review of Economic Studies, 60, 531-542. Manski, C. F. (2000): `Economic analysis of social interactions,' Journal of Economic Perspectives, 14, 115-136. Mayer, A. and Puller, S. L. (2008): `The old boy (and girl) network: Social network formation on university campuses,' Journal of Public Economics, 92, 329-347. McClernon, F. J., Fuemmeler, B. F., Kollins, S. H. et al. (2008): `Interactions between genotype and retrospective ADHD symptoms predict lifetime smoking risk in a sample of young adults,' Nicotine and Tobacco Research, 10, 117-127. Mullahy, J. and Sindelar, J. (1996): `Employment, unemployment, and problem drinking,' Journal of Health Economics, 15, 409-434. Nagin, D. S. and Pogarsky, G. (2004): `Time and punishment: Delayed consequences and criminal behavior,' Journal of Quantitative Criminology, 20, 295-317. Orphanides, A. and Zervos, D. (1995): `Rational Addiction with Learning and Regret,' Journal of Political Economy, 103, 739-758. Patacchini, E., Rainone, E. and Zenou, Y. (2017): `Heterogeneous peer effects in education,' Journal of Economic Behavior and Organization, 134, 190-227. Perkins, H. W., Linkenbach, J. W., Lewis, M. A. et al. (2010): `Effectiveness of social norms media marketing in reducing drinking and driving: A statewide campaign,' Addictive behaviors, 35, 866-874. Perkins, H. W., Meilman, P. W., Leichliter, J. S. et al. (1999): `Misperceptions of the norms for the frequency of alcohol and other drug use on college campuses,' Journal of American College Health, 47, 253-258. Phillip Bonacich (2012): `Power and Centrality: A Family of Measures,' American Journal of Sociology, 92, 1170-1182. Qu, X. and Lee, L. F. (2015): `Estimating a spatial autoregressive model with an endogenous spatial weight matrix,' Journal of Econometrics, 184, 209-232. Qu, X., Lee, L.-f. and Yang, C. (2021): `Estimation of a SAR model with endogenous spatial weights constructed by bilateral variables,' Journal of Econometrics, 221, 180-197. Reif, J. (2019): `A Model of Addiction and Social Interactions,' Economic Inquiry, 57, 759-773. Renna, F. (2007): `The economic cost of teen drinking: late graduation and lowered earnings,' Health Economics, 16, 407-419. Sacerdote, B. (2001): `Peer effects with random assignment: Results for Dartmouth roommates,' Quarterly Journal of Economics, 116, 681-704. Sanz-de Galdeano, A. and Terskaya, A. (2023): `Sibling Differences in Genetic Propensity for Education: How do Parents React?` The Review of Economics and Statistics, Forthcoming. Terza, J. V. (2002): `Alcohol abuse and employment: A second look,' Journal of Applied Econometrics, 17, 393-404. Toussaert, S. (2018): `Eliciting Temptation and Self-Control Through Menu Choices: A Lab Experiment,' Econometrica, 86, 859-889. Wood,W. and Rünger, D. (2015): `Psychology of Habit,' Annual Review of Psychology. Wooldridge, J. M. (2010): Econometric analysis of cross section and panel data, MIT press. Zenou, Y. (2016): `Key players,' The Oxford Handbook of the Economics of Networks, 11. Capítulo 2 Abdellaoui, A. and Verweij, K. J. (2021): `Dissecting polygenic signals from genome-wide association studies on human behaviour,' Nature Human Behaviour, 5, 686-694. Akinbami, L. J., Liu, X., Pastor, P. N. et al. (2011): `Attention Deficit Hyperactivity Disorder among Children Aged 5-17 Years in the United States, 1998-2009. NCHS Data Brief. Number 70.` Centers for Disease Control and Prevention. APA (1994): Diagnostic and statistical manual of mental disorders: DSM-IV (4th ed.), American Psychiatric Association. APA (2013): Diagnostic and statistical manual of mental disorders: DSM-V (5th ed.), American Psychiatric Association. Bachmann, C. J., Wijlaars, L. P., Kalverdijk, L. J. et al. (2017): `Trends in ADHD medication use in children and adolescents in five western countries, 2005-2012,' European Neuropsychopharmacology, 27, 484-493. Ballard, J. E., Boileau, R. A., Sleator, E. K. et al. (1976): `Cardiovascular responses of hyperactive children to methylphenidate,' JAMA, 236, 2870-2874. Bedard, K. and Witman, A. (2020): `Family structure and the gender gap in ADHD,' Review of Economics of the Household, 18, 1101-1129. Benjamin, D. J., Cesarini, D. et al. (2012): `The promises and pitfalls of genoeconomics,' Annu. Rev. Econ., 4, 627-662. Bertoni, M. and Nisticò, R. (2023): `Ordinal rank and the structure of ability peer effects,' Journal of Public Economics, 217, 104797. Bertrand, M. and Pan, J. (2013): `The trouble with boys: Social influences and the gender gap in disruptive behavior,' American economic journal: applied economics, 5, 32-64. Biederman, J., Mick, E., Faraone, S. V. et al. (2002): `Influence of gender on attention deficit hyperactivity disorder in children referred to a psychiatric clinic,' American Journal of Psychiatry, 159, 36-42. Birnbaum, H. G., Kessler, R. C., Lowe, S. W. et al. (2005): `Costs of attention deficit-hyperactivity disorder (ADHD) in the US: excess costs of persons with ADHD and their family members in 2000,' Current medical research and opinion, 21, 195-205. Bitsko, R. H., Claussen, A. H., Lichstein, J. et al. (2022): `Mental health surveillance among children¿United States, 2013-2019,' Centers for Disease Control and Prevention MMWR supplements, 71, 1. Booij, A. S., Leuven, E. and Oosterbeek, H. (2017): `Ability peer effects in university: Evidence from a randomized experiment,' The review of economic studies, 84, 547-578. Bozinovic, K., McLamb, F., O¿Connell, K. et al. (2021): `US national, regional, and state-specific socioeconomic factors correlate with child and adolescent ADHD diagnoses pre-COVID-19 pandemic,' Scientific Reports, 11, 22008. Brunello, G., Sanz-de Galdeano, A. and Terskaya, A. (2020): `Not only in my genes: The effects of peers¿ genotype on obesity,' Journal of Health Economics, 72, 102349. CBHSQ (2016): `DSM-5 Changes: Implications for Child Serious Emotional Disturbance [Internet].` Charach, A., Dashti, B., Carson, P. et al. (2011): `Attention deficit hyperactivity disorder: effectiveness of treatment in at-risk preschoolers; long-term effectiveness in all ages; and variability in prevalence, diagnosis, and treatment,' Comparative Effectiveness Review, 44. Chen, M.-H., Lan, W.-H., Bai, Y.-M. et al. (2016): `Influence of relative age on diagnosis and treatment of attention-deficit hyperactivity disorder in Taiwanese children,' The Journal of pediatrics, 172, 162-167. Currie, J. and Stabile, M. (2006): `Child mental health and human capital accumulation: The case of ADHD,' Journal of Health Economics, 25, 1094-1118. Currie, J., Stabile, M. and Jones, L. (2014): `Do stimulant medications improve educational and behavioral outcomes for children with ADHD?` Journal of health economics, 37, 58-69. Currie, J., Stabile, M., Manivong, P. et al. (2010): `Child health and young adult outcomes,' Journal of Human resources, 45, 517-548. Delaney, J. M. and Devereux, P. J. (2021): `High school rank in math and English and the gender gap in STEM,' Labour Economics, 69, 101969. Delaney, J. M. (2022): `Rank Effects in Education: What do we know so far?` Demontis, D., Walters, R. K., Martin, J. et al. (2019): `Discovery of the first genome-wide significant risk loci for attention deficit/hyperactivity disorder,' Nature Genetics, 51, 63-75. Denning, J. T., Murphy, R. and Weinhardt, F. (2021): `Class Rank and Long-Run Outcomes,' The Review of Economics and Statistics, 1-45. Domingue, B. W. and Belsky, D. W. (2017): `The social genome: Current findings and implications for the study of human genetics,' PLoS genetics, 13, e1006615. Dudbridge, F. (2013): `Power and predictive accuracy of polygenic risk scores,' PLoS genetics, 9, e1003348. Elder, T. E. (2010): `The importance of relative standards in ADHD diagnoses: Evidence based on exact birth dates,' Journal of Health Economics, 29, 641-656. Elsner, B. and Isphording, I. E. (2017): `A big fish in a small pond: Ability rank and human capital investment,' Journal of Labor Economics, 35, 787-828. Elsner, B., Isphording, I. E. and Zölitz, U. (2021): `Achievement rank affects performance and major choices in college,' The Economic Journal, 131, 3182-3206. Erskine, H. E., Norman, R. E., Ferrari, A. J. et al. (2016): `Long-term outcomes of attention deficit/hyperactivity disorder and conduct disorder: a systematic review and meta-analysis,' Journal of the American Academy of Child & Adolescent Psychiatry, 55, 841-850. Evans, W. N., Morrill, M. S. and Parente, S. T. (2010): `Measuring inappropriate medical diagnosis and treatment in survey data: The case of ADHD among school-age children,' Journal of Health Economics, 29, 657-673. Faraone, S., Asherson, P., Banaschewski, T. et al. (2015): `Attention-deficit/hyperactivity disorder,' Nature Reviews Disease Primers, 1, 1-23. Fleming, M., Bandyopadhyay, A., McLay, J. S. et al. (2022): `Age within school year and attention-deficit hyperactivity disorder in Scotland and Wales,' BMC Public Health, 22, 1-9. Fletcher, J. and Wolfe, B. (2008): `Child mental health and human capital accumulation: the case of ADHD revisited,' Journal of health economics, 27, 794-800. Fletcher, J. M. (2014): `The effects of childhood ADHD on adult labor market outcomes,' Health Economics, 23, 159-181. Gaylor, E. M., Krause, K. H., Welder, L. E. et al. (2023): `Suicidal thoughts and behaviors among high school students¿Youth Risk Behavior Survey, United States, 2021,' MMWR supplements, 72, 45. Gill, D., Kissová, Z., Lee, J. et al. (2019): `First-place loving and last-place loathing: How rank in the distribution of performance affects effort provision,' Management Science, 65, 494-507. Girand, H. L., Litkowiec, S. and Sohn, M. (2020): `Attention-deficit/hyperactivity disorder and psychotropic polypharmacy prescribing trends,' Pediatrics, 146. Goulas, S., Griselda, S. and Megalokonomou, R. (2022): `Comparative advantage and gender gap in STEM,' Journal of Human Resources, 0320-10781R2. Halldner, L., Tillander, A., Lundholm, C. et al. (2014): `Relative immaturity and ADHD: findings from nationwide registers, parent-and self-reports,' Journal of child psychology and psychiatry, 55, 897-904. Hammerness, P. G., Perrin, J. M., Shelley-Abrahamson, R. et al. (2011): `Cardiovascular risk of stimulant treatment in pediatric attention-deficit/hyperactivity disorder: update and clinical recommendations,' Journal of the American Academy of Child & Adolescent Psychiatry, 50, 978-990. Hoxby, C. M. (2000): `Does Competition Among Public Schools Benefit Students and Taxpayers?` American Economic Review, 90, 1209-1238. Keeley, B. (2021): `The State of the World¿s Children 2021: On My Mind-Promoting, Protecting and Caring for Children¿s Mental Health.` UNICEF. Kieling, C., Baker-Henningham, H., Belfer, M. et al. (2011): `Child and adolescent mental health worldwide: evidence for action,' The Lancet, 378, 1515-1525. Kiessling, L. and Norris, J. (2023): `The long-run effects of peers on mental health,' The Economic Journal, 133, 281-322. Krabbe, E., Thoutenhoofd, E., Conradi, M. et al. (2014): `Birth month as predictor of ADHD medication use in Dutch school classes,' European Journal of Special Needs Education, 29, 571-578. Layton, T. J., Barnett, M. L., Hicks, T. R. et al. (2018): `Attention deficit-hyperactivity disorder and month of school enrollment,' New England Journal of Medicine, 379, 2122-2130. Levy, F., Hay, D.A., Bennett, K. S. et al. (2005): `Gender differences in ADHD subtype comorbidity,' Journal of the American Academy of Child & Adolescent Psychiatry, 44, 368-376. Manski, C. F. (1993): `Identification of endogenous social effects: The reflection problem,' The review of economic studies, 60, 531-542. Mazzonna, F. and Peracchi, F. (2017): `Unhealthy retirement?` Journal of Human Resources, 52, 128-151. McShane, B. B., Gal, D., Gelman, A. et al. (2019): `Abandon statistical significance,' The American Statistician, 73, 235-245. Morrow, R. L., Garland, E. J., Wright, J. M. et al. (2012): `Influence of relative age on diagnosis and treatment of attention-deficit/hyperactivity disorder in children,' Cmaj, 184, 755-762. Murphy, R. and Weinhardt, F. (2020): `Top of the Class: The Importance of Ordinal Rank,' The Review of Economic Studies, 87, 2777-2826. Perou, R., Bitsko, R. H., Blumberg, S. J. et al. (2013): `Mental health surveillance among children¿United States, 2013-2019,' Centers for Disease Control and Prevention MMWR supplements, 62, 1. Persson, P., Qiu, X. and Rossin-Slater, M. (2021): `Family spillover effects of marginal diagnoses: The case of ADHD,' Tech. rep., National Bureau of Economic Research. Piper, B. J., Ogden, C. L., Simoyan, O. M. et al. (2018): `Trends in use of prescription stimulants in the United States and Territories, 2006 to 2016,' PloS one, 13, e0206100. Pottegärd, A., Hallas, J. and Zoëga, H. (2014): `Children¿s relative age in class and use of medication for ADHD: a Danish Nationwide Study,' Journal of Child Psychology and Psychiatry, 55, 1244-1250. Price, A. L., Patterson, N. J., Plenge, R. M. et al. (2006): `Principal components analysis corrects for stratification in genome-wide association studies,' Nature Genetics, 38, 904-909. Quinn, P. O. (2008): `Attention-deficit/hyperactivity disorder and its comorbidities in women and girls: an evolving picture,' Current psychiatry reports, 10, 419-423. Raman, S. R., Man, K. K., Bahmanyar, S. et al. (2018): `Trends in attention-deficit hyperactivity disorder medication use: a retrospective observational study using population-based databases,' The Lancet Psychiatry, 5, 824-835. Root, A., Brown, J. P., Forbes, H. J. et al. (2019): `Association of relative age in the school year with diagnosis of intellectual disability, attention-deficit/hyperactivity disorder, and depression,' JAMA pediatrics, 173, 1068-1075. Sanz-de Galdeano, A. and Terskaya, A. (2023): `Sibling Differences in Genetic Propensity for Education: How do Parents React?` The Review of Economics and Statistics, Forthcoming. Schwandt, H. and Wuppermann, A. (2016): `The youngest get the pill: ADHD misdiagnosis in Germany, its regional correlates and international comparison,' Labour Economics, 43, 72-86. Sciutto, M. J., Nolfi, C. J. and Bluhm, C. (2004): `Effects of child gender and symptom type on referrals for ADHD by elementary school teachers,' Journal of Emotional and Behavioral Disorders, 12, 247-253. Scott, J. G., Pedersen, M. G., Erskine, H. E. et al. (2017): `Mortality in individuals with disruptive behavior disorders diagnosed by specialist services-A nationwide cohort study,' Psychiatry Research, 251, 255-260. Skogli, E.W., Teicher, M. H., Andersen, P. N. et al. (2013): `ADHD in girls and boys-gender differences in co-existing symptoms and executive function measures,' BMC psychiatry, 13, 1-12. Sotoudeh, R., Harris, K. M. and Conley, D. (2019): `Effects of the peer metagenomic environment on smoking behavior,' Proceedings of the National Academy of Sciences, 116, 16302-16307. Strimbu, K. and Tavel, J. A. (2010): `What are biomarkers?` Current Opinion in HIV and AIDS, 5, 463. Sun, S., Kuja-Halkola, R., Faraone, S. V. et al. (2019): `Association of psychiatric comorbidity with the risk of premature death among children and adults with attention-deficit/hyperactivity disorder,' JAMA psychiatry, 76, 1141-1149. Swanson, J. M., Elliott, G. R., Greenhill, L. L. et al. (2007): `Effects of stimulant medication on growth rates across 3 years in the MTA follow-up,' Journal of the American Academy of Child & Adolescent Psychiatry, 46, 1015-1027. Thomas, R., Sanders, S., Doust, J. et al. (2015): `Prevalence of attention-deficit/hyperactivity disorder: a systematic review and meta-analysis,' Pediatrics, 135, e994-e1001. Visser, S. N., Danielson, M. L., Bitsko, R. H. et al. (2014): `Trends in the parent-report of health care provider-diagnosed and medicated attention-deficit/hyperactivity disorder: United States, 2003-2011,' Journal of the American Academy of Child & Adolescent Psychiatry, 53, 34-46. Whitely, M., Raven, M., Timimi, S. et al. (2018): `Attention deficit hyperactivity disorder late birthdate effect common in both high and low prescribing international jurisdictions: systematic review.` Journal of Child Psychology and Psychiatry. WHO (1993): Biomarkers and risk assessment: concepts and principles, World Health Organization. Wolraich, M. L., Hagan, J. F., Allan, C. et al. (2019): `Clinical practice guideline for the diagnosis, evaluation, and treatment of attention-deficit/hyperactivity disorder in children and adolescents,' Pediatrics, 144. Xu, G., Strathearn, L., Liu, B. et al. (2018): `Twenty-year trends in diagnosed attention-deficit/hyperactivity disorder among US children and adolescents, 1997-2016,' JAMA network open, 1, e181471-e181471. Zoëga, H., Valdimarsdóttir, U. A. and Hernández-Díaz, S. (2012): `Age, academic performance, and stimulant prescribing for ADHD: a nationwide cohort study,' Pediatrics, 130, 1012-1018. Capítulo 3 Abellán Perpiñán, J. M., Cierco, C. and Jimenez-Gomez, D. (2022): `Nudges y la pandemia: un análisis desde la economía y el derecho conductual.` Gaceta Sanitaria, 36, 93-96. Abellán Perpiñán, J. M., Jimenez-Gomez, D. and del Llano-Señarís, J. (2020): `La gestión de la pandemia de SARS-CoV-2 según la economía del comportamiento,' en Economía de la salud (y más) de la Covid-19. Acemoglu, D., Chernozhukov, V., Werning, I. et al. (2020): `A multi-risk SIR model with optimally targeted lockdown,' Tech. rep., National Bureau of Economic Research. Altman, D. G. and Bland, J. M. (1995): `Statistics notes: Absence of evidence is not evidence of absence,' Bmj, 311, 485. An, S. (2008): `Antidepressant direct-to-consumer advertising and social perception of the prevalence of depression: Application of the availability heuristic,' Health communication, 23, 499-505. Atkeson, A. (2020): `What Will Be the Economic Impact of COVID-19 in the US? Rough Estimates of Disease Scenarios,' NBER Working Paper Series, 25. Auld, M. C. (2003): `Choices, beliefs, and infectious disease dynamics,' Journal of Health Economics, 22, 361-377. Aumann, R. J. (1976): `Agreeing to Disagree,' The Annals of Statistics, 4, 1236-1239. Avery, C., Bossert, W., Clark, A. et al. (2020): `An Economist¿s Guide to Epidemiology Models of Infectious Disease,' Journal of Economic Perspectives, 34, 79-104. Backer, J.A., Klinkenberg, D. and Wallinga, J. (2020): `Incubation period of 2019 novel coronavirus (2019- nCoV) infections among travellers from Wuhan, China, 20 28 January 2020,' Eurosurveillance, 25, 1-6. Banerjee, A. V., Duflo, E., Glennerster, R. et al. (2010): `Improving immunisation coverage in rural India: clustered randomised controlled evaluation of immunisation campaigns with and without incentives,' Bmj, 340. Barceló, J. and Sheen, G. C.-H. (2020): `Voluntary adoption of social welfare-enhancing behavior: Mask-wearing in Spain during the COVID-19 outbreak,' PloS one, 15, e0242764. Becker, G. S. and Murphy, K. M. (2009): Social economics, Harvard University Press. Berger, D. W., Herkenhoff, K. F. and Mongey, S. (2020): `An SEIR Infectious Disease Model with Testing and Conditional Quarantine,' Tech. rep., National Bureau of Economic Research. Betsch, C., Korn, L., Sprengholz, P. et al. (2020): `Social and behavioral consequences of mask policies during the COVID-19 pandemic,' Proceedings of the National Academy of Sciences, 117, 21851-21853. Bodner, R. and Prelec, D. (2003): `Self-signaling and diagnostic utility in everyday decision making,' The psychology of economic decisions, 1, 26. Bokemper, S. E., Cucciniello, M., Rotesi, T. E. et al. (2021): `Beliefs about Mask Efficacy and the Effect of Social Norms on Mask Wearing Intentions for COVID-19 Risk Reduction,' medRxiv. Bonell, C., Michie, S., Reicher, S. et al. (2020): `Harnessing behavioural science in public health campaigns to maintain 'social distancing' in response to the COVID-19 pandemic: Key principles,' Journal of Epidemiology and Community Health, 74, 617-619. Bruine de Bruin, W., Saw, H.-W. and Goldman, D. P. (2020): `Political polarization in US residents¿ COVID-19 risk perceptions, policy preferences, and protective behaviors,' Journal of risk and uncertainty, 61, 177-194. Chernozhukov, V., Kasahara, H. and Schrimpf, P. (2021): `Causal impact of masks, policies, behavior on early covid-19 pandemic in the U.S.` Journal of Econometrics, 220, 23-62. Chilton, S., Nielsen, J. S. and Wildman, J. (2020): `Beyond COVID-19: How the `dismal science` can prepare us for the future,' Health economics. Clapp, P. W., Sickbert-Bennett, E. E., Samet, J. M. et al. (2021): `Evaluation of cloth masks and modified procedure masks as personal protective equipment for the public during the COVID-19 pandemic,' JAMA internal medicine, 181, 463-469. Davies, N. G., Kucharski, A. J., Eggo, R. M. et al. (2020): `Effects of non-pharmaceutical interventions on COVID-19 cases, deaths, and demand for hospital services in the UK: a modelling study,' The Lancet Public Health, 11-15. DeCicca, P., Kenkel, D., Mathios, A. et al. (2008): `Youth smoking, cigarette prices, and antismoking sentiment,' Health Economics, 17, 733-749. Eichenbaum, M. S., Rebelo, S. and Trabandt, M. (2020): `The macroeconomics of epidemics,' Tech. rep., National Bureau of Economic Research. Eksin, C., Paarporn, K. and Weitz, J. S. (2019): `Systematic biases in disease forecasting-The role of behavior change,' Epidemics, 27, 96-105. Esparza, J. (2020): `Lessons From History: What Can We Learn From 300 Years of Pandemic Flu That Could Inform the Response to COVID-19?` American journal of public health, 110, 1160-1161. European Centre for Disease Prevention and Control (2021): `Risk factors and risk groups,'. Ferguson, N., Laydon, D., Nedjati Gilani, G. et al. (2020): `Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID19 mortality and healthcare demand,'. Fletcher, J. M. and Ross, S. L. (2018): `Estimating the effects of friends on health behaviors of adolescents,' Health Economics (United Kingdom), 27, 1450-1483. Folkes, V. S. (1988): `The availability heuristic and perceived risk,' Journal of Consumer research, 15, 13-23. Garibaldi, P., Moen, E. R. and Pissarides, C. A. (2020): `Modelling contacts and transitions in the SIR epidemics model,' Covid Economics, 5. Geoffard, P.-Y. and Philipson, T. (1996): `Rational epidemics and their public control,' International economic review, 603-624. Giannitsarou, C., Kissler, S. and Toxvaerd, F. (2021): `Waning immunity and the second wave: Some projections for SARS-CoV-2,' American Economic Review: Insights, 3, 321-338. Goldberg, M., Gustafson, A., Maibach, E. et al. (2020): `Social norms motivate COVID-19 preventive behaviors,'. Greenwood, J., Kircher, P., Santos, C. et al. (2019): `An equilibrium model of the African HIV/AIDS epidemic,' Econometrica, 87, 1081-1113. Halpern, S. D. and Miller, F. G. (2020): `Cognitive Bias and Public Health Policy During the COVID-19 Pandemic,' Annals of Internal Medicine, 2019, 2019-2020. Haushofer, J. and Metcalf, J. C. E. (2020): `Combining behavioral economics and infectious disease epidemiology to mitigate the COVID-19 outbreak,' Princeton University, March, 6. Howard, J., Huang, A., Li, Z. et al. (2021): `An evidence review of face masks against COVID-19,' Proceedings of the National Academy of Sciences, 118. Hsieh, C.-S. and van Kippersluis, H. (2018): `Smoking initiation: Peers and personality,' Quantitative Economics, 9, 825-863. Iwata, K. and Miyakoshi, C. (2020): `A Simulation on Potential Secondary Spread of Novel Coronavirus in an Exported Country Using a Stochastic Epidemic SEIR Model,' Journal of clinical medicine, 9, 944. Jones, C. J., Philippon, T. and Venkateswaran, V. (2020): `Optimal mitigation policies in a pandemic: Social distancing and working from home,' Tech. rep., National Bureau of Economic Research. Kahneman, D., Knetsch, J. L., Thaler, R. H. et al. (1991): `The endowment effect, loss aversion, and status quo bias,' Journal of Economic perspectives, 5, 193-206. Karing, A. (2018): `Social signaling and childhood immunization: A field experiment in sierra leone,' University of California, Berkeley, 2. Kremer, M. (1996): `Integrating behavioral choice into epidemiological models of AIDS,' The Quarterly Journal of Economics, 111, 549-573. Lai, S., Ruktanonchai, N.W., Zhou, L. et al. (2020): `Effect of non-pharmaceutical interventions to contain COVID-19 in China,' Nature, 585, 410-413. Laibson, D. (1997): `Golden eggs and hyperbolic discounting,' The Quarterly Journal of Economics, 112, 443-478. Liu, Y. and Saltman, R. B. (2020): `Policy lessons from early reactions to the COVID-19 virus in China,' American Journal of Public Health, 110, 1145-1148. Lovallo, D. and Kahneman, D. (2003): `Delusions of success,' Harvard business review, 81, 56-63. Mahikul, W., Chotsiri, P., Ploddi, K. et al. (2021): `Evaluating the impact of intervention strategies on the first wave and predicting the second wave of COVID-19 in thailand: A mathematical modeling study,' Biology, 10, 1-12. Manski, C. F. and Molinari, F. (2021): `Estimating the COVID-19 infection rate: Anatomy of an inference problem,' Journal of Econometrics, 220, 181-192. Marin-Lopez, B. A. (2023): `The Role of Behavioral Biases and Social Interactions in Adolescent Health-Risk Behaviors,' Available at SSRN 3915368. Matjasko, J. L., Cawley, J. H., Baker-Goering, M. M. et al. (2016): `Applying behavioral economics to public health policy: illustrative examples and promising directions,' American journal of preventive medicine, 50, S13-S19. Mitze, T., Kosfeld, R., Rode, J. et al. (2020): `Face masks considerably reduce COVID-19 cases in Germany,' Proceedings of the National Academy of Sciences, 117, 32293-32301. Morris, S. and Shin, H. S. (2003): `Global Games: Theory and Applications,' en Advances in Economics and Econometrics. Theory and Applications, Eighth World Congress, ed. por M. Dewatripont, L. P. Hansen, y S. J. Turnovsky, Econometric Society, vol. 1, chap. 3, 56-103. Murray, E. J. (2020): `Epidemiology¿s Time of Need: COVID-19 Calls for Epidemic-Related Economics,' Journal of Economic Perspectives, 34, 105-20. Nickerson, R. S. (1998): `Confirmation bias: A ubiquitous phenomenon in many guises,' Review of general psychology, 2, 175-220. Nishiura, H., Kobayashi, T., Miyama, T. et al. (2020): `Estimation of the asymptomatic ratio of novel coronavirus infections (COVID-19),' International Journal of Infectious Diseases, 94, 154-155. OECD (2020): `Regulatory policy and COVID-19 : Behavioural insights for fast-paced decision making,' Tech. Rep. November, OECD. Peng, L., Yang, W., Zhang, D. et al. (2020): `Epidemic analysis of COVID-19 in China by dynamical modeling,' 1-18. Pfattheicher, S., Nockur, L., Böhm, R. et al. (2020): `The emotional path to action: Empathy promotes physical distancing and wearing of face masks during the COVID-19 pandemic,' Psychological Science, 31, 1363-1373. Pop-Eleches, C., Thirumurthy, H., Habyarimana, J. P. et al. (2011): `Mobile phone technologies improve adherence to antiretroviral treatment in a resource-limited setting: A randomized controlled trial of text message reminders,' Aids, 25, 825-834. Prem, K., Liu, Y., Russell, T.W. et al. (2020): `The effect of control strategies to reduce social mixing on outcomes of the COVID-19 epidemic in Wuhan, China: a modelling study,' The Lancet Public Health, 5, e261-e270. Pulejo, M. and Querubín, P. (2021): `Electoral concerns reduce restrictive measures during the COVID-19 pandemic,' Journal of Public Economics, 198, 104387. Redelmeier, D. A. and Shafir, E. (2020): `Pitfalls of judgment during the COVID-19 pandemic,' The Lancet Public Health, 5, e306-e308. Reluga, T. C. (2010): `Game Theory of Social Distancing in Response to an Epidemic,' PLoS Computational Biology, 6. Sly, L. (2020): `Stirrings of unrest around the world could portend turmoil as economies collapse,' https://www.washingtonpost.com/world/coronavirus-protests-lebanon-india-iraq/ 2020/04/19/1581dde4-7e5f-11ea-84c2-0792d8591911_story.html, accessed: 2021-05-17. Soofi, M., Najafi, F. and Karami-Matin, B. (2020): `Using Insights from Behavioral Economics to Mitigate the Spread of COVID-19,' Applied Health Economics and Health Policy, 18, 345-350. Stock, J. H. (2020): `Data gaps and the policy response to the novel coronavirus,' Tech. rep., National Bureau of Economic Research. Summers, J., Cheng, H.-Y., Lin, H.-H. et al. (2020): `Potential lessons from the Taiwan and New Zealand health responses to the COVID-19 pandemic,' The Lancet Regional Health-Western Pacific, 100044. Van Bavel, J. J., Boggio, P., Capraro, V. et al. (2020): `Using social and behavioural science to support COVID-19 pandemic response,' PsyArXiv. March, 24. Wang, X., Ferro, E. G., Zhou, G. et al. (2020a): `Association between universal masking in a health care system and SARS-CoV-2 positivity among health care workers,' Jama, 324, 703-704. Wang, Y., Tian, H., Zhang, L. et al. (2020b): `Reduction of secondary transmission of SARS-CoV- 2 in households by face mask use, disinfection and social distancing: a cohort study in Beijing, China,' BMJ global health, 5, e002794. WHO (2020): `Modes of transmission of virus causing COVID-19: implications for IPC precaution recommendations,' Tech. rep. World Health Organization (2020): `Advice on the use of masks in the context of COVID-19: interim guidance, 5 June 2020,' Tech. rep., World Health Organization. Zhou, R., Li, F., Chen, F. et al. (2020): `Viral dynamics in asymptomatic patients with COVID-19,' International Journal of Infectious Diseases, 96, 288-290.