Electronic Nicotine Delivery Systems (“E‐cigarettes”): Review of Safety and Smoking Cessation Efficacy
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.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».