Evaluation of strategies to communicate harmful and potentially harmful constituent (HPHC) information through cigarette package inserts: a discrete choice experiment
Notice bibliographique
Résumé
BACKGROUND: The US Food and Drug Administration (FDA) has regulatory authority to use inserts to communicate with consumers about harmful and potentially harmful constituents (HPHCs) in tobacco products; however, little is known about the most effective manner for presenting HPHC information. METHODS: In a discrete choice experiment, participants evaluated eight choice sets, each of which showed two cigarette packages from four different brands and tar levels (high vs low), accompanied by an insert that included between-subject manipulations (ie, listing of HPHCs vs grouping by disease outcome and numeric values ascribed to HPHCs vs no numbers) and within-subject manipulations (ie, 1 of 4 warning topics; statement linking an HPHC with disease vs statement with no HPHC link). For each choice set, participants were asked: (1) which package is more harmful and (2) which motivates them to not smoke; each with a 'no difference' option. Alternative-specific logit models regressed choice on attribute levels. RESULTS: 1212 participants were recruited from an online consumer panel (725 18-29-year-old smokers and susceptible non-smokers and 487 30-64-year-old smokers). Participants were more likely to endorse high-tar products as more harmful than low-tar products, with a greater effect when numeric HPHC information was present. Compared with a simple warning statement, the statement linking HPHCs with disease encouraged quit motivation. CONCLUSIONS: Numeric HPHC information on inserts appears to produce misunderstandings that some cigarettes are less harmful than others. Furthermore, brief narratives that link HPHCs to smoking-related disease may promote cessation versus communications that do not explicitly link HPHCs to disease.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».