E-Cigarette Market Trends in Traditional U.S. Retail Channels, 2012–2013
Notice bibliographique
Résumé
INTRODUCTION: E-cigarette sales continue to increase in the United States. To date, little surveillance research has documented the specific product attributes driving growth. This study uses national market scanner data to describe sales trends in traditional U.S. tobacco retail channels between 2012 and 2013 and identifies product features associated with sales increases. METHODS: Data on e-cigarette sales in convenience stores, drug stores, grocery stores, and mass merchandisers in the United States were obtained from the Nielsen Company. Each product was coded for attributes such as brand, flavor, and unit size. Total sales volume, market share, and percent growth were calculated for various product attributes. RESULTS: E-cigarette sales more than doubled between 2012 and 2013, from $273.6 million to $636.2 million, respectively. Growth was particularly strong in the convenience store channel. Blu eCigs quickly emerged as the best-selling brand and in 2013 constituted nearly half (44.1%) of overall sales. Although fruit-flavored and other flavored products experienced marked growth, unflavored and menthol e-cigarettes overwhelmingly dominated the market. Sales of single unit products (likely disposable e-cigarettes) increased by 216.4%, a much faster rate than multi-unit packs and cartridge refills. CONCLUSIONS: In traditional U.S. retail channels, particularly the convenience store channel, sales of e-cigarettes continue to grow, with brands like blu and disposable products as the likely drivers. Given the rapidly-changing market, expanded surveillance is needed to monitor sales not only in traditional retail locations, but sales online and in specialty "vape shops," as well.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».