<b>Trends in exposure to and perceptions of e-cigarette marketing among youth in England, Canada and the United States between 2017 and 2019</b>
Notice bibliographique
Résumé
E-Cigarette marketing may influence e-cigarette use among youth. This study examined reported exposure to and perceptions of e-cigarette marketing among youth between 2017 and 2019 across countries with varying e-cigarette marketing restrictions. Cross-sectional online surveys were conducted with 35 490 youth aged 16-19 from England, Canada and the United States in 2017, 2018 and 2019. Weighted logistic regression models examined trends in the adjusted prevalence of self-reported exposure to e-cigarette marketing and the perceived appeal of e-cigarette ads between 2017 and 2019, by country and by smoking/vaping status. Reports of frequent exposure to e-cigarette marketing increased between 2017 and 2019 in all countries, but less so in England, where e-cigarette marketing is more restricted. Perceiving e-cigarette marketing as appealing increased from 2017 to 2019 in Canada and the United States, but not in England. In England, exposure to e-cigarette marketing did not increase in prohibited channels between 2017 and 2019. Between 2017 and 2019, never-users' reports increased for exposure to and appeal of e-cigarette marketing. The results suggest some effectiveness of e-cigarette marketing bans in England and receptivity to e-cigarette marketing among youth never users.
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 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».