Low knowledge among Zambian smokers and the need for large pictorial health warnings: findings from the ITC Zambia Wave 2 survey
Notice bibliographique
Résumé
Background Many studies have shown that pictorial health warnings (PHWs) are more effective in increasing knowledge about the many harms of cigarettes. Zambia currently has a single text-only English warning covering less than 3% of pack. This study is the first to assess health knowledge and the effectiveness of warnings in Zambia. Methods Data were from 1,171 smokers in the International Tobacco Control (ITC) Zambia Wave 2 Survey (2014), a longitudinal survey of a nationally representative sample of Zambian adults. Key variables analyzed were knowledge of specific harms of smoking and validated indicators of warning effectiveness. Results Knowledge among Zambian smokers was very low compared to other ITC countries: only 45% knew that smoking causes stroke (2 nd lowest among 20 ITC countries), heart disease (74%--3 rd lowest among 14 ITC countries), and lung cancer (79%--lowest among 12 ITC countries). The Zambian text-only warning was very ineffective: 58% of Zambian smokers reported “never” or “hardly ever” noticing the warning; only 24% reported closely reading the warning. 75% reported that warning “never” stopped them from smoking; 70% reported that warning did not make them more likely to think about health risks; 66% reported that warning “never” made them think about quitting. When shown the warning, 55% of smokers were not able to easily read it. And yet 71% thought the packs should have more health information and 86% wanted the government to do more about harms of tobacco use. Conclusions Knowledge of tobacco-related harms is very poor among Zambian smokers and the single-text only warning provides no help, particularly among the many low literacy smokers in Zambia. There is a clear need for Zambia to implement pictorial health warnings, as they are obligated to do as a Party to the FCTC and as other African countries - Mauritius and Kenya - have already done successfully.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».