Impact of adding and removing warning label messages from cigarette packages on adult smokers’ awareness about the health harms of smoking: findings from the ITC Canada Survey
Notice bibliographique
Résumé
INTRODUCTION: removing messages from cigarette HWLs on smokers' awareness of harms. METHODS: Data were drawn from nine waves of the International Tobacco Control (ITC) Canada Survey, a national representative cohort of adult smokers (n=5863) conducted nearly annually between 2002 and 2013-2014. Two analytical approaches were conducted: generalised estimating equation (GEE) regression models estimated adjusted percentages of correct smoking-related health statements at each wave and segmented regression analyses modelled temporal trends in awareness before and after the revisions by measuring the difference in slopes. RESULTS: Adding messages to HWLs significantly increased awareness that smoking causes blindness (OR=3.36 (95% CI 2.71 to 4.18); p<0.001; estimated increase of 1.01 million smokers in Canada) and bladder cancer (OR=2.14 (95% CI 1.71 to 2.66), p<0.001; estimated increase of 1.09 million smokers). Adding the warning that nicotine causes addiction did not significantly impact smokers' awareness. Removing messages was shown to decrease awareness that cigarette smoke contains carbon monoxide (OR=0.53 (95% CI 0.41 to 0.70), p<0.001; estimated decrease of 342 000 smokers) and smoking causes impotence (p=0.007 for the difference in slopes; estimated decrease of 354 000 smokers). CONCLUSIONS: Adding messages to HWLs increases smokers' awareness of health facts, but removing messages decreases awareness. These findings demonstrate the importance of carefully considering the implications of adding and especially removing messages from HWLs and the importance of regularly revising warnings.
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) | 0,001 | 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 ».