Eliciting preferences for waterpipe tobacco smoking using a discrete choice experiment: implications for product regulation
Notice bibliographique
Résumé
OBJECTIVES: Waterpipe smoking is highly prevalent among university students, and has been increasing in popularity despite mounting evidence showing it is harmful to health. The aim of this study was to measure preferences for waterpipe smoking and determine which product characteristics are most important to smokers. SETTING: A large university in the Southeastern USA. PARTICIPANTS: Adult waterpipe smokers attending the university (N=367). DESIGN: Participants completed an Internet-based discrete choice experiment to reveal their preferences for, and trade-offs between, the attributes of hypothetical waterpipe smoking sessions. Participants were presented with waterpipe lounge menus, each with three fruit-flavoured options and one tobacco flavoured option, in addition to an opt out option. Nicotine content and price were provided for each choice. Participants were randomised to either receive menus with a text-only health-warning message or no message. OUTCOME MEASURES: Multinomial and nested logit models were used to estimate the impact on consumer choice of attributes and between-subject assignment of health warnings respectively. RESULTS: On average, participants preferred fruit-flavoured varieties to tobacco flavour. They were averse to options labelled with higher nicotine content. Females and non-smokers of cigarettes were more likely than their counterparts to prefer flavoured and nicotine-free varieties. Participants exposed to a health warning were more likely to opt out. CONCLUSIONS: Fruit-flavoured tobacco and lower nicotine content labels, two strategies widely used by the industry, increase the demand for waterpipe smoking among young adults. Waterpipe-specific regulation should limit the availability of flavoured waterpipe tobacco and require accurate labelling of constituents. Waterpipe-specific tobacco control regulation, along with research to inform policy, is required to curb this emerging public health threat.
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 | 0,001 | 0,000 |
| 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 ».