Does Adding Information on Toxic Constituents to Cigarette Pack Warnings Increase Smokers’ Perceptions About the Health Risks of Smoking? A Longitudinal Study in Australia, Canada, Mexico, and the United States
Notice bibliographique
Résumé
BACKGROUND: Health warning labels (HWLs) on cigarette packs in Australia, Canada, Mexico, and the United States include varying information about toxic cigarette smoke constituents and smoking-related health risks. HWL information changed more recently in Australia, Canada, and Mexico than in the United States. AIMS: To investigate whether smokers' knowledge of toxic constituents and perceived smoking-related risks increased after adding this information to HWLs and how knowledge of toxic constituents is associated with perceptions of smoking-related risks. METHODS: Data come from a longitudinal, online cohort of 4,621 adult smokers surveyed every 4 months from September 2012 (Wave 1) to January 2014 (Wave 5) in Australia, Canada, and Mexico, with the United States being surveyed from Waves 2 to 5. Generalized estimating equation models estimated the association between perceived smoking-related risk at follow-up and prior wave knowledge of toxic constituents, adjusting for attention to HWLs, sociodemographics, and smoking-related characteristics. RESULTS: Between 2012 and 2014, knowledge of toxic constituents increased in Australia, Canada, and Mexico ( p < .001), but not in the United States. Higher levels of both attention to HWLs and knowledge of toxic constituents were associated with a higher perceived risk of smoking-related conditions at follow-up across all countries except for the United States. CONCLUSIONS: Our results suggest that information about toxic constituents on prominent HWLs not only increases smoker's knowledge of toxic constituents, but that it may also reinforce the effects of HWL messages about specific, smoking-related health outcomes.
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 | 0,001 | 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 ».