MétaCan
Menu
Retour à la cohorte
Enregistrement W3012214098 · doi:10.18001/trs.6.2.7

Reasons for Supporting or Opposing a Reduced Nicotine Product Standard

2020· article· en· W3012214098 sur OpenAlexaff
Jessica K. Pepper, Linda Squiers, Carla Bann, Michaela Coglaiti

Notice bibliographique

RevueTobacco Regulatory Science · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensWorkplace Health, Safety and Compensation Commission
Organismes subventionnairesnon disponible
Mots-clésNicotineAddictionOpposition (politics)Smoking cessationPsychologyTobacco productMedicineSmokeSocial psychologyPsychiatryEnvironmental healthPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Objectives: In 2017, the US Food and Drug Administration (FDA) announced a potential new product standard lowering nicotine in cigarettes to minimally or non-addictive levels. Understanding why the public supports or opposes this standard could inform messaging efforts. Methods: We collected online survey data in 2017 from 2508 respondents. We coded and analyzed the open-ended text responses describing reasons for support or opposition among those who strongly agreed (39.9% of sample) and strongly disagreed (11.4%) with the proposed nicotine standard. Results: The most common reasons for opposition were viewing the new standard as a threat to personal freedom and believing that it would lead themselves or others to smoke more. The most common reasons for support were believing the standard would help themselves or others quit smoking and recognizing the harms of smoking and nicotine. Some responses reflected inaccurate understanding of nicotine's effects, and some themes (eg, believing the standard could prevent addiction) were more common among smokers than nonsmokers. Conclusions: Findings could inform public health campaign messages from the FDA and other agencies by building on existing reasons for support (eg, would help with cessation) and counteracting inaccurate beliefs (eg, would make people smoke more).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,350
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTobacco Regulatory ScienceMême sujetSmoking Behavior and CessationTravaux en français237 207