Tobacco messages encountered in real-time among low socio-economic position groups: a descriptive study
Notice bibliographique
Résumé
BACKGROUND: Tobacco advertising disproportionately targets low socio-economic position (SEP) groups, causing higher rates of tobacco use in this population. Anti-tobacco public health education campaigns persuade against use. This study measured real-time exposure of pro- and anti-tobacco messages from low SEP groups in two American cities. METHODS: Individuals in low SEP groups (N = 95), aged 18-34 years old, who were smokers and non-smokers, from the Boston and Houston areas, took part in a mobile health study. They submitted images of tobacco-related messages they encountered via a mobile application for a 7-week period. Two coders analyzed the images for message characteristics. Intercoder reliability was established using Krippendorff's alpha and data were analyzed descriptively. RESULTS: Of the submitted images (N = 131), 83 were pro-tobacco and 53 were anti-tobacco. Of the pro-tobacco messages, the majority were cigarette ads (80.7%) seen outside (36.1%) or inside (30.1%) a convenience store or gas station and used conventional themes (e.g., price promotion; 53.2%). Of the anti-tobacco messages, 56.6% were sponsored by public health campaigns or were signage prohibiting smoking in a public area (39.6%). Most focused on the health harms of smoking (28.3%). CONCLUSION: Low SEP groups in this study encountered more pro-tobacco than anti-tobacco messages at places that were point-of-sale using price promotions to appeal to this group. Anti-tobacco messages at point-of-sale and/or advertising regulations may help combat tobacco use.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».