Regulation profiles of e-cigarettes in the United States: a critical review with qualitative synthesis
Notice bibliographique
Résumé
BACKGROUND: Electronic cigarettes (e-cigarettes) have been steadily increasing in popularity since their introduction to US markets in 2007. Debates surrounding the proper regulatory mechanisms needed to mitigate potential harms associated with their use have focused on youth access, their potential for nicotine addiction, and the renormalization of a smoking culture. The objective of this study was to describe the enacted and planned regulations addressing this novel public health concern in the US. METHODS: We searched LexisNexis Academic under Federal Regulations and Registers, as well as State Administrative Codes and Registers. This same database was also used to find information about planned regulations in secondary sources. The search was restricted to US documents produced between January 1(st), 2004, and July 14(th), 2014. RESULTS: We found two planned regulations at the federal level, and 74 enacted and planned regulations in 44 states. We identified six state-based regulation types, including i) access, ii) usage, iii) marketing and advertisement, iv) packaging, v) taxation, and vi) licensure. These were further classified into 10 restriction subtypes: sales, sale to minors, use in indoor public places, use in limited venues, use by minors, licensure, marketing and advertising, packaging, and taxation. Most enacted restrictions aimed primarily to limit youth access, while few regulations enforced comprehensive restrictions on product use and availability. CONCLUSIONS: Current regulations targeting e-cigarettes in the US are varied in nature and scope. There is greater consensus surrounding youth protection (access by minors and/or use by minors, and/or use in limited venues), with little consensus on multi-level regulations, including comprehensive use bans in public spaces.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».