Baseline assessment of noticing e-cigarette health warnings among youth and young adults in the United States, Canada and England, and associations with harm perceptions, nicotine awareness and warning recall
Notice bibliographique
Résumé
Health warnings on tobacco products can inform users of potential risks. However, little is known about young people's exposure to health warnings on e-cigarette products. This baseline assessment of young people's noticing e-cigarette warnings uses nationally representative data from three countries. Data were collected under Wave 1 of the ITC Youth Tobacco and E-cigarette Survey, conducted in Canada, England, and the US. Online surveys were completed by 16–19-year-olds in July/August 2017 (n = 12,064), when warnings were either newly required (England) or voluntarily carried by some manufacturers (US, Canada). Analyses examined prevalence and correlates of noticing warnings and associations between noticing warnings and product perceptions, adjusting for country, sex, age, race/ethnicity, and cigarette/e-cigarette use status. About 12% reported noticing warnings on e-cigarette packaging in the past 30 days. Noticing warnings was significantly more likely among youth in England (AOR = 1.3, p < .01) and the US (AOR = 1.3, p < .01) versus Canada, and was most likely among dual e-cigarette/cigarette users (AOR = 4.69, p < .001) versus nonusers. Unaided recall of the keyword “nicotine” was low among those who noticed warnings (7.5%). However, ever e-cigarette users who noticed warnings had higher odds of knowing whether e-cigarettes contained nicotine (AOR = 2.26, p < .001). Noticing warnings was significantly associated with higher odds of believing e-cigarettes cause at least some harm to users (AOR = 1.19), are as harmful as cigarettes (AOR = 1.45), and can be addictive (AOR = 1.43). Baseline assessment reveals that youth's noticing of e-cigarette warnings and recall of nicotine-addiction messages was low. Research should track exposure over time as warning requirements are implemented across different countries.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».