Mouth level smoke exposure using analysis of filters from smoked cigarettes: A study of eight countries
Notice bibliographique
Résumé
The analysis of spent cigarette filters enables the estimation of the nicotine and tar (nicotine-free dry particulate matter) yields obtained by smokers in their everyday environment and has been shown to correlate well with biomarkers of exposure. Leading products across the range of ISO tar yields were selected from Australia, Brazil, Canada, Germany, Japan, New Zealand, South Africa and Switzerland. At least fifty demographically representative smokers were recruited per product. Subjects, ≥ 21 years of age and smoking ≥ 5 cigarettes per day, were asked to collect ≥ 15 filters from cigarettes they had smoked. The collected filters were analysed for nicotine and UV absorbance to enable the smokers' mouth level exposure to nicotine and tar to be estimated and a comparison of countries and tobacco blend styles to be made. Smoking history data were also collected. More than 80,000 filters were collected from 5703 smokers of 106 products from eight countries. Mean ± SD estimated nicotine exposures per cigarette and per day ranged from 0.93 ± 0.34 mg/cigarette (Brazil) to 1.77 ± 0.69 mg/cigarette (South Africa) and from 16.4 ± 11.1mg/day (Germany) to 31.5 ± 14.8 mg/day (South Africa), respectively. Male smokers obtained higher mean estimated tar and nicotine exposures than female smokers. These gender differences were statistically significant for six countries. Significant correlations were found between estimated nicotine exposure and ISO nicotine yield, and between estimated tar exposure and ISO tar yield (p<0.001).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 ».