MétaCan
Menu
Retour à la cohorte
Enregistrement W2791389976 · doi:10.18332/tid/84357

E-liquid product labels: the good, the bad, and the ugly

2018· article· en· W2791389976 sur OpenAlexaffabout
Shawn O’Connor, Rita Luk, Robert Schwartz

Notice bibliographique

RevueTobacco Induced Diseases · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Supply Chain Traceability
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProduct (mathematics)MarketingAdvertisingBusinessPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Background E-liquid products have exploded in Canada over the last number of years. Although current federal regulations apply to some aspects of these products (eg, Made in Canada designation, net quantity, French/English text), there are a number of other packaging elements that are not covered by existing regulations. The purpose of this research was to enumerate what choices are being made on e-liquid packaging by manufacturers, surveille compliance with existing regulations, and to inform governments about packaging elements that could benefit from strengthened regulations. Methods A sample of 90 e-liquid products were obtained from across 5 Canadian provinces, representing 49 unique manufacturers/distributors. This included 26 non-nicotine products and 64 nicotine products. All e-liquid containers were examined for type of information presented on product packaging including branding, promotional elements, claims, usage instructions, and warnings. Results Diverse labeling practices among manufacturers were observed. Of the 90 samples examined, 62 were highly legible, 21 were of moderate legibility and 7 were low. Only 62% of the products had English and French text, with English predominant. All but one sample included an ingredient list. However, 11% of samples listed quantity of nicotine as separate from the ingredient list. 19% listed nicotine quantity with a handwritten mark. 6% of sample had no text warning related to children (keep out of reach of children). 10% of samples did not include specific age-restrictive text. Only 72% of sample included a danger/caution image (skull, exclamation mark!). Conclusions Labeling practices among our sample of e-liquid products varied widely, with some manufacturers having strong practices, whereas others falling well short. Future labeling regulations that consider the main elements described in this study will have the potential to provide consumers of e-liquid products with pertinent information they need to make informed purchase decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,760

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,229
Écart entre enseignants0,210 · 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 tête enseignante, 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTobacco Induced DiseasesMême sujetFood Supply Chain TraceabilityTravaux en français237 207