Public Perceptions of Very Low Nicotine Content on Twitter: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Nicotine is a highly addictive agent in tobacco products. On June 21, 2022, the US Food and Drug Administration (FDA) announced a plan to propose a rule to establish a maximum nicotine level in cigarettes and other combusted tobacco products. OBJECTIVE: This study aimed to understand public perception and discussion of very low nicotine content (VLNC) on Twitter (rebranded as X in July 2023). METHODS: From December 12, 2021, to January 1, 2023, we collected Twitter data using relevant keywords such as "vln," "low nicotine," and "reduced nicotine." After a series of preprocessing steps (such as removing duplicates, retweets, and commercial tweets), we identified 3270 unique noncommercial tweets related to VLNC. We used an inductive method to assess the public perception and discussion of VLNC on Twitter. To establish a codebook, we randomly selected 300 tweets for hand-coding, including the attitudes (positive, neutral, and negative) toward VLNC (including its proposed rule) and major topics (13 topics). The Cohen κ statistic between the 2 human coders reached over 70%, indicating a substantial interrater agreement. The rest of the tweets were single-coded according to the codebook. RESULTS: We observed a significant peak in the discussion of VLNC on Twitter within 4 days of the FDA's announcement of the proposed rule on June 21, 2022. The proportion of tweets with a negative attitude toward VLNC was significantly lower than those with a positive attitude, 24.5% (801/3270) versus 37.09% (1213/3270) with P<.001 from the 2-proportion z test. Among tweets with a positive attitude, the topic "Reduce cigarette consumption or help smoking cessation" was dominant (1097/1213, 90.44%). Among tweets with a negative attitude, the topic "VLNC leads to more smoking" was the most popular topic (227/801, 28.34%), followed by "Similar toxicity of VLNC as a regular cigarette" (223/801, 27.84%), and "VLNC is not a good method for quitting smoking" (211/801, 26.34%). CONCLUSIONS: There is a more positive attitude toward VLNC than a negative attitude on Twitter, resulting from different opinions about VLNC. Discussions around VLNC mainly focused on whether VLNC could help people quit smoking.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».