E‐cigarette price sensitivity among middle‐ and high‐school students: evidence from monitoring the future
Notice bibliographique
Résumé
AIMS: We estimated associations between e-cigarette prices (both disposable and refill) and e-cigarette use among middle and high-school students in the United States. We also estimated associations between cigarette prices and e-cigarette use. DESIGN: We used regression models to estimate the associations between e-cigarette and cigarette prices and e-cigarette use. In our regression models, we exploited changes in e-cigarette and cigarette prices across four periods of time and across 50 markets. We report the associations as price elasticities. In our primary model, we controlled for socio-demographic characteristics, cigarette prices, tobacco control policies, market fixed effects and year-quarter fixed effects. SETTING: United States of America. PARTICIPANTS: A total of 24 370 middle- and high-school students participating in the Monitoring the Future Survey in years 2014 and 2015. MEASUREMENTS: Self-reported e-cigarette use over the last 30 days. Average quarterly cigarette prices, e-cigarette disposable prices and e-cigarette refill prices were constructed from Nielsen retail data (inclusive of excise taxes) for 50 US markets. FINDINGS: In a model with market fixed effects, we estimated that a 10% increase in e-cigarette disposable prices is associated with a reduction in the number of days vaping among e-cigarette users by approximately 9.7% [95% confidence interval (CI) = -17.7 to 1.8%; P = 0.02] and is associated with a reduction in the number of days vaping by the full sample by approximately 17.9% (95% CI = -31.5 to -4.2%; P = 0.01). Refill e-cigarette prices were not statistically significant predictors of vaping. Cigarette prices were not associated significantly with e-cigarette use regardless of the e-cigarette price used. However, in a model without market fixed effects, cigarette prices were a statistically significant positive predictor of total e-cigarette use. CONCLUSIONS: Higher e-cigarette disposable prices appear to be associated with reduced e-cigarette use among adolescents in the US.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».