Changes in smokers' responses to novel efficacy messages inside cigarette packages following Canada's 2024 labeling policy update: A pre-post longitudinal study
Notice bibliographique
Résumé
OBJECTIVE: Evaluate the impact of Canada's innovative inside-pack efficacy messages about cessation benefits and tips to quit, whose content was updated in 2024. METHODS: We analyzed data from an open cohort of Canadian adults who smoke, surveyed every three months from February 2023 to November 2024 (n = 12,022 observations, 4716 individuals). At each survey, participants reported the frequency of reading health messages inside packs in the past 30 days (Never/Rarely = reference vs Sometimes/Often/Very often); perceived cessation benefits from inside-pack messages (Not at all-Extremely); forgoing cigarettes due to inside-pack messages in the prior 30 days (No = reference vs Yes); and confidence/self-efficacy to quit smoking (Not at all-Extremely). Linear and logistic generalized estimating equation models regressed these outcomes on implementation period (pre- vs post-implementation surveys). Analyzing participants followed to the subsequent survey (n = 6959 observations, 2356 individuals), mixed-effects logistic models regressed quit attempts in the three-month interval since the prior survey on message responses from the prior survey. All models adjusted for sociodemographics, smoking-related variables, and post-stratification weights. RESULTS: Self-reported reading inside-pack messages (OR = 1.18; 95 %CI = 1.04, 1.34), perceived cessation benefits (β = 0.07; 95 %CI = 0.01, 0.12), forgoing cigarettes (OR = 1.14; 95 %CI = 1.01, 1.28), and self-efficacy (β = 0.08; 95 %CI = 0.04, 0.13) all increased from pre-to post-implementation. Participants who reported reading messages more frequently (OR = 1.54; 95 %CI = 1.09-2.00), perceived greater cessation benefits (OR = 1.31; 95 %CI = 1.22, 1.42), forwent cigarettes (OR = 1.88; 95 %CI = 1.48, 2.37) and had greater self-efficacy (OR = 1.32; 95 %CI = 1.19, 1.47) were more likely to quit at followup. CONCLUSIONS: After Canada implemented new efficacy messages inside packs, message engagement and predictors of cessation behaviors increased. Other countries may consider similar policies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».