Nicotine Dependence, Nicotine Metabolism, and the Extent of Compensation in Response to Reduced Nicotine Content Cigarettes
Notice bibliographique
Résumé
INTRODUCTION: The Food and Drug Administration has the authority to regulate tobacco product constituents, including nicotine, to promote public health. Reducing the nicotine content in cigarettes may lead to lower levels of addiction. Smokers however may compensate by smoking more cigarettes and/or smoking more intensely. The objective of this study was to test whether individual differences in the level of nicotine dependence (as measured by the Fagerstrom Test of Cigarette Dependence [FTCD]) and/or the rate of nicotine metabolism influence smoking behavior and exposure to tobacco toxicants when smokers are switched to reduced nicotine content cigarettes (RNC). METHODS: Data from 51 participants from a previously published clinical trial of RNC were analyzed. Nicotine content of cigarettes was progressively reduced over 6 months and measures of smoking behavior, as well as nicotine metabolites and tobacco smoke toxicant exposure, CYP2A6 and nicotinic CHRNA5-A3-B4 (rs1051730) genotype were measured. RESULTS: Higher baseline FTCD predicted smoking more cigarettes per day (CPD), higher cotinine and smoke toxicant levels while smoking RNC throughout the study, with no interaction by RNC level. Time to first cigarette (TFC) was associated with differences in compensation. TFC within 10 min was associated with a greater increase in CPD compared to TFC greater than 10 min. Neither rate of nicotine metabolism, nor CYP2A6 or nicotinic receptor genotype, had an effect on the outcome variables of interest. CONCLUSIONS: FTCD is associated with overall exposure to nicotine and other constituents of tobacco smoke, while a short TFC is associated with an increased compensatory response after switching to RNC.
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 | 0,013 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».