Notice bibliographique
Résumé
Objective As the third most popular website in the world, messages embedded in the video-sharing site, YouTube, have the potential to influence tobacco-related attitudes, beliefs and behaviours. Despite the growing number of videos depicting little cigars/cigarillos (LCCs), there has been no examination of the portrayal of these products on YouTube. Methods Researchers identified up to the top 20 search results on YouTube by relevance and view count for the following search terms: ‘little cigars’, ‘cigarillos’, ‘Black and Mild’, ‘Swisher Sweets’, ‘White owl’, ‘Garcia y Vega’, and ‘Winchester’. Reviewers rated whether videos were ‘pro’, ‘anti ’ or ‘neutral ’ to the use of LCCs, and documented statistics on the reach and viewer demographics. Several main themes around LCCs were noted, as was video quality (amateur vs professional) and demographics of video participants. Results Of the 196 videos retrieved, only 56 were unique, eligible videos. The majority of these (n=43) were ‘pro ’ LCCs, 11 were ‘neutral’, and only two were ‘anti ’ LCCs. Videos were primarily viewed by males in the USA and Canada and most were amateur. Common themes included where to purchase LCCs, their candy flavours, and that they are cheap or cheaper than cigarettes, and ‘smooth’. Conclusions The vast majority of information on YouTube about LCCs promotes their use. It is critical to monitor content on LCCs posted on YouTube, and develop appropriate health messages to counter pro-LCC content, and appropriately inform potential consumers of the harms associated with their use.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,910 | 0,794 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».