MétaCan
Menu
← Retour à la cohorte
Enregistrement W2518066781

Do smokers in Europe think all cigarettes are equally harmful

2012· article· en· W2518066781 sur OpenAlexaboutno aff
Abraham Brown, Ann McNeill, Ute Mons, Romain Guignard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineTobacco controlEnvironmental healthResidenceQuarter (Canadian coin)Logistic regressionDemographySnusTobacco usePublic healthPopulationSmokeless tobaccoGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Despite the ban on misleading descriptors such as light or mild cigarettes in Europe, there are still widespread misperceptions of the relative harmfulness of different brands of cigarettes among smokers. This study examined the extent to which smokers in three European countries believed that some cigarette brands are less harmful and why, using data from the International Tobacco Control (ITC) Europe surveys. Methods: Cross-sectional analyses were completed among nationally representative samples of 4,956 current smokers (aged 18) from Germany (n=1,515), France (n =1,735) and the United Kingdom (n=1,706) conducted between September 2006 and November 2007. Logistic regression models examined whether outcomes, including beliefs that some cigarettes could be less harmful than others, varied by socio-demographic and country of residence. Findings: Around a quarter of smokers in the UK and France, and a third in Germany believed some cigarettes are less harmful than others. Overall, of smokers who falsely believed that some cigarettes are less harmful, 86.3 % thought that tar/ nicotine yields, 48.7 % taste, and 40.4 % terms on packs such as ‘smooth ’ or ‘ultra ’ indicated less harmful brands. About a fifth of smokers across all countries chose their brand based on health reasons, and a similar proportion gave tar yields as a reason for

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,325
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmoking Behavior and Cessation→Travaux en français237 207→