Consumer Likelihood to Seek Information on OTC Medicines
Notice bibliographique
Résumé
There is concern as to whether the public use OTC (over-the-counter) medicines with due diligence. The objective was to quantify the likelihood and extent people would seek information on OTC medicines in relation to 10 non-medicine products as a surrogate of the importance consumers place on them. Citizens of one Canadian province estimated the likelihood and extent (scale of 1 to 10) they would search for information when considering a purchase. The survey had two lists-a MIXED products list (5 OTC medicine categories and 10 non-medicine products) and an OTC MEDICINES list (15 categories). Five hundred and seventy-five surveys were obtained (response rate 19.2 percent). The average age was 63.0 years and 61.6 percent were female. The mean search likelihood for the 15 products on the MIXED list ranged from 2.2 to 7.4. There was more intention to search for information involving OTC medicines (mean = 5.0) than non-medicine products (mean = 4.1). There was a weak positive correlation in search likelihood relative to OTC medicine familiarity. This study revealed that the likelihood of searching for information prior to purchase is not particularly robust. With a plethora of information currently available to consumers, motivation to access it is what may need attention.
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) | 0,000 | 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,027 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».