Noticing education campaigns or public health messages about vaping among youth in the United States, Canada and England from 2018 to 2022
Notice bibliographique
Résumé
Public health campaigns have the potential to correct vaping misperceptions. However, campaigns highlighting vaping harms to youth may increase misperceptions that vaping is equally/more harmful than smoking. Vaping campaigns have been implemented in the United States and Canada since 2018 and in England since 2017 but with differing focus: youth vaping prevention (United States/Canada) and smoking cessation (England). We therefore examined country differences and trends in noticing vaping campaigns among youth and, using 2022 data only, perceived valence of campaigns and associations with harm perceptions. Seven repeated cross-sectional surveys of 16-19 year-olds in United States, Canada and England (2018-2022, n = 92 339). Over half of youth reported noticing vaping campaigns, and noticing increased from August 2018 to February 2020 (United States: 55.2% to 74.6%, AOR = 1.21, 95% CI = 1.18-1.24; Canada: 52.6% to 64.5%, AOR = 1.13, 1.11-1.16; England: 48.0% to 53.0%, AOR = 1.05, 1.02-1.08) before decreasing (Canada) or plateauing (England/United States) to August 2022. Increases were most pronounced in the United States, then Canada. Noticing was most common on websites/social media, school and television/radio. In 2022 only, most campaigns were perceived to negatively portray vaping and this was associated with accurately perceiving vaping as less harmful than smoking among youth who exclusively vaped (AOR = 1.46, 1.09-1.97). Consistent with implementation of youth vaping prevention campaigns in the United States and Canada, most youth reported noticing vaping campaigns/messages, and most were perceived to negatively portray vaping.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».