Hypothetical e-liquid flavor ban and opinions among vapeshop retailers in the Greater Los Angeles Area
Notice bibliographique
Résumé
INTRODUCTION: Evaluating anticipated responses to flavor bans in the context of vape shops is needed to inform legislation and enforcement. This cross-sectional study examined vape shop retailers' opinions about the potential impacts of an e-liquid flavor ban on shop sales and customer behavior-change intentions. METHODS: From December 2019 to October 2020 we conducted structured interviews over the phone with 46 brick-and-mortar vape shop retailers in the Greater Los Angeles Area. RESULTS: Most participants were managers (43.5%), followed by owners (26.1%) and clerks (26.1%). More than half (52.2%) reported that sales would drop a lot if flavored e-liquids were banned in all vape shops. Controlling for store position, multivariable linear regression showed that opposition to a hypothetical ban on non-tobacco flavored e-liquids was associated with participants' opinions that customers would likely not purchase tobacco flavored e-liquids (b= -0.44, p<0.01), and would likely use combustible tobacco products (b=0.47, p<0.05). CONCLUSIONS: In this cross-sectional study, vape shop retailers in the Greater Los Angeles Area reported that if a ban on non-tobacco e-liquid flavors occurred, they would oppose strongly, and that a ban would have a negative impact on their shop (e.g. loss in sales) and customer behavior (e.g. would replace vaping with smoking combustible tobacco products). Implications for research and practice are discussed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».