Framing health messages in short-form videos: a moderated mediation model with medication belief and susceptibility to informational influence
Notice bibliographique
Résumé
Purpose This study explores how message framing in short-form health videos influences medication purchase intention and the underlying mechanisms. Design/methodology/approach Three experiments were conducted. Study 1 investigated the relationships between message framing, negative emotions, and medication purchase intention. Study 2 tested the moderating role of medication belief in a moderated mediation model using a 2×2 between-subjects design, and Study 3 examined that of susceptibility to informational influence using a one-factor between-subjects design. Findings Consumers showed higher over-the-counter medication purchase intention after watching loss-framed messages in treatment-oriented short-form health videos. These messages evoked negative emotions, which in turn increased medication purchase intention. Medication belief and susceptibility to informational influence moderated the mediating effect of negative emotions, such that the effect was enhanced among individuals with high medication belief or high susceptibility to informational influence. Practical implications Pharmaceutical marketers should strategically deliver loss-framed messages in short-form health videos to effectively promote over-the-counter medications. Originality/value The study extends the framing effect to treatment-oriented short-form health videos. It reveals the mediating role of negative emotions and the moderating effect of medication belief and susceptibility to informational influence within a moderated mediation framework, highlighting key emotional and individual-level factors in digital health decisions.
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 | 0,004 | 0,001 |
| 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 ».