Tobacco Point-of-Purchase marketing in school neighbourhoods and school smoking prevalence: a descriptive study.
Notice bibliographique
Résumé
BACKGROUND: Point of Purchase (PoP) promotional and advertising activities are a sophisticated tobacco marketing strategy. This study describes tobacco PoP activities in school neighbourhoods and compares PoP activities in retail stores between schools with high and low smoking prevalence. METHODS: A cross-sectional study was conducted in 81 randomly selected schools across five provinces. Students in grades 10-11 completed a questionnaire on smoking. Observations were made in all retail stores located within a one-kilometre radius around the school. ANOVA tests were used to detect differences on PoP variables between high (> 20.6%) and low (< or = 20.6%) smoking prevalence schools, defined as percentage of students reporting at least a few puffs on > 2 days in the last 30 days. RESULTS: Approximately half of retail stores in each school neighbourhood exhibited tobacco PoP activities. Average school smoking prevalence was 20.99%. There were significant main effects on PoP variables between schools with high and low smoking prevalence, Wilk's lambda = 0.81, F (6,74) = 2.89, p < 0.01, eta2 = 0.19. Stores near schools with high smoking prevalence had significantly lower prices per cigarette (F (1,79) = 15.34, p < 0.01, eta2 = 0.16), more in-store promotions (F (1,79) = 6.73, p < 0.01, eta2 = 0.08), and fewer government-sponsored health warnings (F (1,79) = 6.26, p < 0.01, eta2 = 0.07) compared to schools with low smoking prevalence. CONCLUSION: Higher levels of PoP activities in stores located in the school neighbourhood are related to school smoking prevalence. Schools with low smoking prevalence had more stores that posted government health warning signs and higher cigarette prices. Legislation regulating PoP activities and health warnings in school neighbourhoods should be considered.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».