Cross-country comparison of cigarette and vaping product marketing exposure and use: findings from 2016 ITC Four Country Smoking and Vaping Survey
Notice bibliographique
Résumé
OBJECTIVE: To compare exposure to and use of certain cigarette and vaping product marketing among adult smokers and vapers in four countries with contrasting regulations-Australia (AU), Canada, England and the USA. DATA SOURCES: Adult smokers and vapers (n=12 294) from the 2016 International Tobacco Control (ITC) Four Country Smoking and Vaping Survey (4CV1). ANALYSIS: Self-reported exposure to cigarette and vaping product advertising through point-of-sale, websites/social media, emails/texts, as well as exposure to and use of price offers were assessed for country differences using logistic regression models adjusted for multiple covariates. RESULTS: Reported exposure to cigarette advertising exposure at point-of-sale was higher in the USA (52.1%) than in AU, Canada and England (10.5%-18.5%). Exposure to cigarette advertising on websites/social media and emails/texts was low overall (1.5%-10.4%). Reported exposure to vaping ads at point-of-sale was higher in England (49.3%) and USA (45.9%) than in Canada (32.5%), but vaping ad exposure on websites/social media in Canada (15.1%) was similar with England (18.4%) and the USA (12.1%). Exposure to vaping ads via emails/texts was low overall (3.1%-9.9%). Exposure to, and use of, cigarette price offers was highest in the USA (34.0 % and 17.8 %, respectively), but the use rate among those exposed was highest in AU (64.9%). Exposure to, and use of, price offers for vaping products was higher in the USA (42.3 % and 21.7 %) than in AU, Canada and England (25.9%-31.5 % and 7.4%-10.3 %). CONCLUSIONS: Patterns of cigarette and vaping product marketing exposure generally reflected country-specific policies, except for online vaping ads. Implications for research and policy are discussed.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».