Effectiveness of Text-Only Cigarette Health Warnings in Japan: Findings from the 2018 International Tobacco Control (ITC) Japan Survey
Notice bibliographique
Résumé
Health warnings are an effective strategy for communicating the health harms of smoking, encouraging quitting, and preventing smoking initiation. This study examines the effectiveness of existing text-only health warnings, identifies key predictors of warning effectiveness, and assesses support for pictorial warnings in Japan. Data are from the 2018 International Tobacco Control (ITC) Japan Survey, a cohort survey of adult cigarette smokers (n = 3306), dual users of cigarettes and heated tobacco products (n = 555), and non-cigarette smokers (n = 823). Weighted multivariable logistic regression models were used to assess predictors of warning effectiveness and support for pictorial warnings. Overall, 15.6% of respondents noticed warnings, and 7.9% read or looked closely at warnings. Overall, 10.3% of smokers and dual users said the warnings stopped them from having a cigarette, and 7.2% avoided warnings. Overall, 27.5% of respondents said the warnings made them think about health risks of smoking, but only 2.7% of smokers and dual users said the warnings made them more likely to quit. Overall, 57.6% of respondents supported pictorial warnings. The weak effectiveness of Japan's text-only warnings is consistent with that in other countries with similar warnings. There is majority support for pictorial warnings in Japan, although the level of support is lower than in other 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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».