Considerations and Future Research Directions for E-Cigarette Warnings—Findings from Expert Interviews
Notice bibliographique
Résumé
Tobacco warning labels are important sources of risk information but research historically has been cigarette-centric. This qualitative study aimed to inform future direction and research on warnings for e-cigarettes. Between June and August 2016, we conducted interviews with 10 researchers with expertise in tobacco warning label research. Interviewees were registrants of a 2016 National Cancer Institute grantee meeting on tobacco warnings. Several participants agreed that the Food and Drug Administration's new nicotine addiction warning for e-cigarettes could be informative but that it might not resonate with young people. Many agreed that more than one warning would be important as e-cigarette science evolves and that research on additional warning themes (e.g., nicotine exposure, harmful constituents) and execution styles (including use of pictorials) was important. Participants were somewhat mixed about the use of reduced-risk messages within e-cigarette warnings, but agreed that research on how to communicate about cigarette/e-cigarette relative risks was needed. Overall, more research is needed on tobacco warnings for non-cigarette products, including on the message content, placement, execution and potential impact on audiences' product knowledge, risk perceptions and use intentions. This is particularly needed for products such as e-cigarettes which may have harm-reduction potential relative to cigarettes and require unique considerations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,135 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,009 | 0,026 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».