MétaCan
Menu
← Retour à la cohorte
Enregistrement W3183801551 · doi:10.1371/journal.pone.0255244

Perceived efficacy of existing waterpipe tobacco warning labels versus novel enhanced generic and waterpipe-specific sets

2021· article· en· W3183801551 sur OpenAlexfundno aff
Aya Mostafa, Moustafa El Houssinie, Rasha Saad Hussein

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreAmerican University of Beirut
Mots-clésHarmTobacco controlStructural equation modelingChristian ministrySalience (neuroscience)CredibilityMedicineEnvironmental healthPerceived controlRelevance (law)Social psychologyPsychologyPublic healthMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Since 2008, Egypt has four existing generic bi-annually rotating warning labels (WLs) on 50% of the waterpipe tobacco packs (WTPs). The Ministry of Health Tobacco Control Unit proposed increasing WL size to 80%, removing colours and flavour imagery from WTPs, and plain packaging to help curb the rising epidemic of waterpipe tobacco smoking. Therefore, we measured the perceived efficacy of existing against novel enhanced (generic and waterpipe-specific) WTP WLs and the associated factors among Egyptian waterpipe smokers and nonsmokers. METHODS: A purposive quota sample of 2014 adults was surveyed in two rounds using face interviews. At each round, participants were randomly shown one of four existing WLs, then one of four novel WLs. Participants rated the perceived efficacy of existing and novel WLs regarding the salience, depth of processing, affective reactions, credibility, relevance, perceived harm and perceived behavioural control. Data were analysed using Generalized Estimating Equations. RESULTS: Participants rated novel WTP WLs with higher mean perceived efficacy scores than existing WLs for all measures, although both sets collectively scored modestly (59.7; 95% CI: 58.9-60.5 vs 53.0; 95% CI: 52.1-54.0, respectively; p<0.001). Relative to the existing WTP WLs, novel WLs were particularly able to induce higher salience, affective reactions, and depth of processing. Relative to the generic novel WTP WLs, waterpipe-specific WLs induced higher relevance, perceived harm, and affective reactions. Nonsmokers scored higher than waterpipe tobacco smokers, specifically for perceived behavioral control (65.0±32.5 vs 43.6±19.8, respectively; p<0.001). WTP WLs featuring proximal risks, such as dental effects (β = 9.70; 95% CI: 7.00-12.40), fetal harm (β = 9.42; 95% CI: 6.75-12.10), or toxic contents (β = 9.14; 95% CI: 6.58-11.70) were strongly associated with participants' perceived efficacy scores. Among other independent factors, rural residence (β = 24.09; 95% CI: 22.21-25.97), being a nonsmoker (β = 10.51; 95% CI: 8.92-12.10), survey round 2 (β = 6.96, 95% CI: 5.73-8.19), the novel WTP WL set (β = 6.68; 95% CI: 6.19-7.17), and having higher education (β = 6.31; 95% CI: 4.34-8.27) were highly associated with participants' perceived efficacy scores. CONCLUSIONS: Waterpipe-specific WLs on plain WTPs that feature proximal risks and address different population subgroups need to be developed in conjunction with awareness raising campaigns on WTS harms to reinforce the credibility of WTP WLs. Our findings suggest the proposed WTP WL enhancements by the Tobacco Control Unit may support a more effective WTP labelling policy within a comprehensive waterpipe-specific tobacco control framework.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,169
Tête enseignante GPT0,312
Écart entre enseignants0,143 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSmoking Behavior and Cessation→Travaux en français237 207→