Association of cigarette design features with smoker characteristics and risk beliefs: Cross-sectional findings from the 2019 ITC France Survey
Notice bibliographique
Résumé
INTRODUCTION: Despite the lack of evidence supporting an association between certain cigarette design features (e.g. filter ventilation) and harm reduction, such features often perpetuate false perceptions of safety among people who smoke. Evaluating how product characteristics shape perceptions and behaviors can help clarify these misconceptions and support the importance of restricting deceptive manufacturing. We explore relationships between cigarette design features and perceptions of smoothness and harm, as well as intention to quit. METHODS: Cigarette brand/variety and consumer perceptions/behaviors data come from the 2019 ITC France Survey, which was administered to a nationally representative sample of French adults. This cross-sectional secondary analysis incorporated cigarette product information reported to the Agency for Food, Environmental and Occupational Health & Safety in 2021. Logistic regression analyses were done using SPSS V27. RESULTS: Greater own brand cigarette filter length (mm) (adjusted odds ratio, AOR=1.11; 95% CI: 1.05-1.17) was significantly associated with higher odds of perceiving one's own brand as smoother than other brands, while greater open pressure drop (mmWG) (AOR=1.02; 95% CI: 1.00-1.05) was associated with perceiving own-brand as safer than other brands. Respondents who described themselves as being in poor or fair health (vs good health) were more likely to perceive smooth/ultra (AOR=1.70; 95% CI: 1.22-2.37) and their own cigarettes (AOR=1.76; 95% CI: 1.05-2.95) as less harmful, as well as less likely to perceive their own brand as smoother (AOR=0.66; 95% CI: 0.47-0.93). Male (vs female) respondents were more likely to perceive smooth/ultra (AOR=1.88; 95% CI: 1.38-2.55) and their own cigarettes (AOR=1.89; 95% CI: 1.12-3.19) as less harmful. CONCLUSIONS: We found evidence that certain design features and participant characteristics are associated with misconceptions regarding the smoothness and safety of cigarettes. These findings support greater monitoring of potentially deceptive product characteristics.
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 | 0,002 | 0,000 |
| 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 | 0,000 | 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 ».