Illegal Experimental Tobacco Marketplace II: effects of vaping product bans — findings from the 2020 International Tobacco Control Project
Notice bibliographique
Résumé
SIGNIFICANCE: Restrictive e-cigarette policies may increase purchases from illegal sources. The Illegal Experimental Tobacco Marketplace (IETM) allows examination of how restrictions impact illegal purchases. We investigated (1) the effect of a vaping ban, total flavour vaping ban and partial flavour vaping ban on the probability of purchasing illegal vaping products among different regulatory environments (USA, Canada and England) and tobacco user types (cigarette smokers, dual users and e-cigarette users); and (2) the relation between ban endorsement and illegal purchases. METHODS: Participants (N=459) from the International Tobacco Control Survey rated their support of bans and chose to purchase from a hypothetical legal experimental tobacco marketplace or IETM under control and the three ban conditions. RESULTS: In total, 25% of cigarette smokers, 67% of dual users and 79% of e-cigarette users made IETM purchases. Cross-country comparisons depicted dual users from Canada (OR: 19.8), and e-cigarette users from the USA (OR: 12.9) exhibited higher illegal purchases odds than the same user type in England. Within-country comparisons showed e-cigarette and dual users are more likely to purchase from the IETM than cigarette smokers in the most restrictive condition, with the largest effects in e-cigarette users (England-OR: 1722.6, USA-OR: 22725.3, Canada-OR: 6125.0). Increased opposition towards partial or total flavour ban was associated with increased IETM purchasing in the corresponding condition. CONCLUSIONS: Vaping restrictions may shift users' preference to the illegal marketplace in a regulatory environment. Evidence of the IETM generalisability in a geographically dispersed sample enhances its utility in tobacco regulatory science.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».