Electronic Nicotine Delivery Systems (“E‐cigarettes”): Review of Safety and Smoking Cessation Efficacy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Cigarette smoking is common among cancer patients and is associated with negative outcomes. Electronic nicotine delivery systems ("e-cigarettes") are rapidly growing in popularity and use, but there is limited information on their safety or effectiveness in helping individuals quit smoking. DATA SOURCES: The authors searched PubMed, Web of Science, and additional sources for published empirical data on safety and use of electronic cigarettes as an aid to quit smoking. REVIEW METHODS: We conducted a structured search of the current literature up to and including November 2013. RESULTS: E-cigarettes currently vary widely in their contents and are sometimes inconsistent with labeling. Compared to tobacco cigarettes, available evidence suggests that e-cigarettes are often substantially lower in toxic content, cytotoxicity, associated adverse effects, and secondhand toxicity exposure. Data on the use of e-cigarettes for quitting smoking are suggestive but ultimately inconclusive. CONCLUSIONS: Clinicians are advised to be aware that the use of e-cigarettes, especially among cigarette smokers, is growing rapidly. These devices are unregulated, of unknown safety, and of uncertain benefit in quitting smoking. IMPLICATIONS FOR PRACTICE: In the absence of further data or regulation, oncologists are advised to discuss the known and unknown safety and efficacy information on e-cigarettes with interested patients and to encourage patients to first try FDA-approved pharmacotherapies for smoking cessation.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 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 découle