Cross-Country Comparison of Bans on Internet Tobacco Advertising, and Search Interest in Vaping Products
Notice bibliographique
Résumé
Background: The rise in vaping use across high-income countries is driven partly by marketing, advertising, and flavors promoted by e-cigarette producer firms. The current study aim is to examine the potential variation in the relative research volume on vaping products between countries with highest level of tobacco banning internet advertising and those with no ban on tobacco internet advertising. Method: We used weekly relative search volume (RSV) data produced by Google Trends (GT). A total of eight countries included in the study, Saudi Arabia, United Arab Emirates, United States, Ireland, New Zealand, Canada, United Kingdom, and Australia. The countries were regrouped into ban in internet advertising countries, and the no bans in internet advertising countries. Results: The trend test indicates a statistically significant upward trend in GT vaping search volume across all the included countries. However, the percentage increase of search volume for the ads no ban group was higher than ban group. There is a statistically significant difference in median between the two group, ( P < 0.0007), (median, 6.25 [IQR, 0.103] for the ban in internet advertising countries vs (median 7.5 Interquartile Ranges (IQR), [0.542] for the no bans on internet advertising countries. Conclusion: Countries with stringent bans on online tobacco advertising have shown lower levels of vaping-related search interest, indicating the potential effectiveness of such regulations. Our research underscores the importance of emphasizing comprehensive bans on tobacco advertising and sales online could help mitigate the upward trend in vaping interest.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».