Global reporting of waterpipe tobacco policy in online news articles in 2015: a cross-sectional analysis
Notice bibliographique
Résumé
Background Policy discussions are often articulated through the news media. The aim of this study is to understand how waterpipe tobacco policy is narrated and developed over time in online news media. Methods We conducted a cross-sectional analysis of online news articles published in the year 2015. We used the online news content retriever service 'Google Alerts' to receive weekly emails on any news article that contained 'waterpipe' or its synonyms in the title or body of English news articles. We coded text into one of the following themes: taxation, smoke-free law, regulation of content and emissions, health warning labels, bans on advertising, promotion and sponsorship, cessation programs, restriction of sale to minors, zoning or licensing, prohibition, and other waterpipe-specific policy. Results We included 567 news articles from 33 countries. We elicited 14 themes, which we counted 1309 times (mean 2.3 themes per article). The five most common themes were licensing or zoning (24.7%), Smoke-free law (20.9%), prohibition (13.4%), waterpipe-specific policy (9.4%), and sales to minors (7.0%). We report on the dominant policy narratives in six countries: Canada, India, Pakistan, the UAE, UK, and the US. Conclusions Geographical variation in policy narratives can be a useful tool for future policy dialogue around waterpipe tobacco control and prevention.
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 | 0,008 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,011 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».