Support for e-cigarette policies among smokers in seven European countries: longitudinal findings from the 2016–18 EUREST-PLUS ITC Europe Surveys
Notice bibliographique
Résumé
BACKGROUND: The 2016 European Tobacco Products Directive (TPD) required Member States (MS) to implement new regulations for electronic cigarettes (ECs). We conducted a longitudinal study to assess changes over 2 years in smokers' support for EC policies and identify predictors of support in seven European countries after TPD implementation. METHODS: Prospective cohort surveys were conducted among adult smokers in Germany, Greece, Hungary, Poland, Romania, Spain and England in 2016 (n = 9547; just after TPD) and 2018 (n = 10 287; 2 years after TPD). Multivariable logistic regression models employing generalized estimating equations assessed changes in support for four EC policies, and tested for country differences and strength of key predictors of support. RESULTS: Banning EC use in smoke-free places was supported by 53.1% in 2016 and 54.6% in 2018 with a significant increase in Greece (51.7-66.0%) and a decrease in Spain (60.1-48.6%). Restricting EC/e-liquid nicotine content was supported by 52.2 and 47.4% in 2016 and 2018, respectively, with a significant decrease in England (54.2-46.5%) and Romania (52.5-41.0%). An EC promotion ban was supported by 41.1 and 40.2%. A flavour ban was supported by 33.3% and 32.3% with a significant increase in Hungary (34.3-43.3%). Support was generally higher in Poland, Hungary and Greece vs. England. Support was lower among dual and EC-only users, and low-income smokers. CONCLUSIONS: Smokers in all countries strongly supported banning EC use in smoke-free places and restricting nicotine content after TPD implementation, with no clear trends for changes in policy support.
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 | 0,021 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».