Extent and correlates of self-reported exposure to tobacco advertising, promotion and sponsorship in smokers: Findings from the EUREST-PLUS ITC Europe Surveys
Notice bibliographique
Résumé
INTRODUCTION: Tobacco advertising, promotion, and sponsorship (TAPS) are known to promote tobacco consumption and to discourage smoking cessation. Consequently, comprehensive TAPS bans are effective measures to reduce smoking. The objective of this study was to investigate to what extent smokers are exposed to TAPS in general, and in various media and localities, in different European countries. METHODS: A Cross-sectional analysis of national representative samples of adult smokers in 2016 from Germany, Greece, Hungary, Poland, Romania, and Spain (EUREST-PLUS Project, n=6,011), as well as England (n=3,503) and the Netherlands (n=1,213) (ITC Europe Surveys) was conducted. Prevalence of self-reported TAPS exposure is reported by country, and socio-economic correlates were investigated using logistic regression models. RESULTS: Self-reported exposure to TAPS varied widely among the countries, from 15.4 % in Hungary to 69.2 % in the Netherlands. In most countries, tobacco advertising was most commonly seen at the point of sale, and rarely noticed in mass media. The multivariate analysis revealed some variation in exposure to TAPS by sociodemographic factors. Age showed the greatest consistency across countries with younger smokers (18-24-year-olds) being more likely to notice TAPS than older smokers. CONCLUSIONS: TAPS exposure tended to be higher in countries with less restrictive regulation but was also reported in countries with more comprehensive bans, although at lower levels. The findings indicate the need for a comprehensive ban on TAPS to avoid a shift of marketing efforts to less regulated channels, and for stronger enforcement of existing bans.
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 | 0,001 |
| 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 | 0,000 | 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 ».