A Narrative Review of the Efficacy and Design of Safety Labels on Tobacco Products to Promote the Use of Safety Labels on Alcohol Products in Canada
Notice bibliographique
Résumé
Alcohol is consumed by approximately three-quarters of Canadians. Alcohol causes acquired liver disease, increases the risk of cancer, has detrimental effects on mental health, and leads to adverse pregnancy outcomes. Alcohol-related morbidity and mortality are high, and urgent public health measures are warranted to prevent and control these. Tobacco safety labels have been shown in numerous studies to reduce tobacco consumption. Much can be learned from the design of tobacco safety labels in creating promising alcohol safety labels that can possibly help reduce alcohol consumption. The aim of this paper is to review the efficacy of tobacco safety labels in reducing tobacco consumption and the design of tobacco safety labels and to propose a promising design for alcohol safety labels based on our findings. English peer-reviewed papers published in western countries since 2000 were searched on PubMed and Google Scholar. Keywords and synonyms were used to search pertinent papers, which were subsequently screened by title and abstract and fully reviewed if relevant. Findings from studies comparing designs of safety labels on alcohol and tobacco products are similar. Graphics, higher emotion content, and greater size are associated with greater attention, awareness, negative emotions, intention to quit, and reduction in consumption. Mixed results are found for testimonials containing safety labels on tobacco products. It is unclear whether testimonials on alcohol safety labels reduce alcohol consumption or not. Safety labels with specific information, such as tobacco-related costs and alcohol-related cancer risks, are more effective in reducing tobacco consumption. In conclusion, preliminary alcohol safety labels show promise. Large safety labels with graphics and high emotional content appear to be most effective and may reduce alcohol consumption.
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 | 0,007 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».