Impact of Graphic Pack Warnings on Adult Smokers’ Quitting Activities: Findings from the ITC Southeast Asia Survey (2005–2014)
Notice bibliographique
Résumé
Malaysia introduced graphic health warning labels (GHWLs) on all tobacco packages in 2009. We aimed to examine if implementing GHWLs led to stronger warning reactions (e.g., thinking about the health risks of smoking) and an increase in subsequent quitting activities; and to examine how reactions changed over time since the implementation of the GHWLs in Malaysia and Thailand where GHWL size increased from 50-55% in 2010. Data came from six waves (2005-2014) of the International Tobacco Control Southeast Asia Survey. Between 3,706 and 4,422 smokers were interviewed across these two countries at each survey wave. Measures included salience of warnings, cognitive responses (i.e., thinking about the health risks and being more likely to quit smoking), forgoing cigarettes, and avoiding warnings. The main outcome was subsequent quit attempts. Following the implementation of GHWLs in Malaysia, reactions increased, in some cases to levels similar to the larger Thai warnings, but declined over time. In Thailand, reactions increased following implementation, with no decline for several years, and no clear effect of the small increase in warning size. Reactions, mainly cognitive responses, were consistently predictive of quit attempts in Thailand, but this was only consistently so in Malaysia after the change to GHWLs. In conclusion, GHWLs are responded to more frequently, and generate more quit attempts, but warning wear-out is not consistent in these two countries, perhaps due to differences in other tobacco control efforts.
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 | 0,001 |
| 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 | 0,001 |
| 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 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 ».