Path analysis of warning label effects on negative emotions and quit attempts: A longitudinal study of smokers in Australia, Canada, Mexico, and the US
Notice bibliographique
Résumé
Cigarette pack health warning labels can elicit negative emotions among smokers, yet little is known about how these negative emotions influence behavior change. Guided by psychological theories emphasizing the role of emotions on risk concern and behavior change, we investigated whether smokers who reported stronger negative emotional responses when viewing warnings reported stronger responses to warnings in daily life and were more likely to try to quit at follow-up. We analyzed data from 5439 adult smokers from Australia, Canada, Mexico, and the US, who were surveyed every four months from September 2012 to September 2014. Participants were shown warnings already implemented on packs in their country and reported negative emotional responses (i.e., fear, disgust, worry), which were averaged (range = 1 to 9). Country-stratified logistic and linear generalized estimating equations were used to analyze the effect of negative emotional responses on self-reported responses to warnings in daily life (i.e., attention, risk concern, avoidance of warnings, forgoing planned cigarettes) and quit attempts at follow-up. Models were adjusted for socio-demographic and smoking-related characteristics, survey wave, and the number of prior surveys answered. Smokers who reported stronger negative emotions were more likely to make quit attempts at follow-up (Adjusted ORs ranged from 1.09 [95% CI 1.04 to 1.14] to 1.17 [95% CI 1.12 to 1.23]; p < .001) than those who reported lower negative emotions. This relationship was mediated through attention to warnings and behavioral responses to warnings. There was no significant interaction of negative emotions with self-efficacy or nicotine dependence. Negative emotions elicited by warnings encourage behavior change, promoting attention to warnings and behavioral responses that positively predict quit attempts.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».