<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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».