Exploring Consumer Preferences for Cannabis Vaping Products to Support Public Health Policy: A Discrete Choice Experiment
Notice bibliographique
Résumé
BACKGROUND: Phase two of cannabis legalisation in Canada brought cannabis vaping products to the market. This decision was controversial due to an outbreak of vaping cannabis use-associated lung injury. This resulted in three provinces banning the sale of cannabis vaping products causing inequitable access. This study sought to explore consumer preferences for cannabis vaping products to inform cannabis policy. METHODS: We used a discrete choice experiment to explore consumer preferences for attributes of cannabis vaping products. Attributes included type of device, price, tetrahydrocannabinol (THC) potency, vape liquid content, product recommendations and Health Canada regulation. Participants lived in Canada, were aged ≥ 19 years, and had purchased a cannabis vape in the last 12 months. A multinomial logit (MNL) model was used for the base model, and latent class analysis to assess preference sub-groups. RESULTS: In total, 384 participants completed the survey; the MNL model showed that price and potency were the most important attributes. A three-group latent class model showed that ~ 40% of the sample was driven primarily by Health Canada Regulation and were willing to pay $56 more for a product that was regulated compared to one that was not. About 33% of the sample was driven by price, and 26% was driven by type of device. CONCLUSION: While regulated status by Health Canada was most important to some consumers (~ 40%), nearly 60% of the sample were willing to make trade-offs in regulated status for products with a lower price. Therefore, policymakers need to consider the broader public health implications of banning cannabis vapes in some regions.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».