Do radon risk maps encourage residential testing behaviour? Evidence from an experimental study in Canada
Notice bibliographique
Résumé
OBJECTIVES: Radon is a leading cause of lung cancer and poses an even greater risk for people who smoke. Maps are used to educate the public about radon and promote testing, yet their effectiveness is rarely evaluated. This study investigated the effects of a radon risk map-in collaboration with a provincial health agency-on testing intentions. An exploratory aim was to assess potential mechanisms, applying psychological insights on risk perception, to evaluate how maps function as risk communication tools. STUDY DESIGN: Online experiment conducted in December 2023 with a quota-sampled panel of residents. METHODS: 1716 British Columbia residents completed measures of radon risk perceptions and testing intentions before and after viewing a risk map adapted from the British Columbia Centre for Disease Control. All participants viewed a pre-experiment prompt on the importance of protecting against radon, especially if you smoke/have smoked. Multilevel regression models assessed changes in testing intentions across subgroups. Path analysis tested worry as a mediator, controlling for demographic covariates. RESULTS: Participants in medium-high- or high-radon-risk areas reported significantly higher average radon testing intentions post-experiment (p < 0.001), irrespective of smoking status. A small decrease was observed among non-smokers living in the lowest ecological risk areas (p < 0.001). Changes in worry appeared to mediate the association between participants' radon risk level and testing intentions. CONCLUSION: Results suggest maps can influence perceptions of risk and encourage radon testing in high-risk areas. In low-risk areas, communications emphasizing the severity of lung cancer and its occurrence in non-smokers may enhance public education and promote testing.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».