The Effect of Graphic Cigarette Warning Labels on Smoking Behavior: Evidence from the Canadian Experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: There is a substantial literature that graphic tobacco warnings are effective; however, there is limited evidence based on actual smoking behavior. The objective of this paper is to assess the effect of graphic cigarette warning labels on smoking prevalence and quit attempts. METHODS: A nationally representative sample of individuals aged 15 years and older from the Canadian National Population Health Survey 1998-2008 is used. The sample consists of 4,853 individuals for the smoking prevalence regression and 1,549 smokers for quit attempts. The generalized estimating equation (GEE) model was used to examine the population-averaged (marginal) effects of tobacco graphic warnings on smoking prevalence and quit attempts. To assess the effect of graphic tobacco health warnings on smoking behavior, we used a scaled variable that takes the value of 0 for the first 6 months in 2001, then increases gradually to 1 from December 2001. RESULTS: We found that graphic warnings had a statistically significant effect on smoking prevalence and quit attempts. In particular, the warnings decreased the odds of being a smoker (odds ratio [OR] = 0.875; 95% CI = 0.821-0.932) and increased the odds of making a quit attempt (OR = 1.330, CI = 1.187-1.490). Similar results were obtained when we allowed for more time for the warnings to appear in retail outlets. CONCLUSION: This study adds to the growing body of evidence on the effectiveness of graphic warnings. Our findings suggest that warnings had a significant effect on smoking prevalence and quit attempts in Canada.
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.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle