Changes in tar yields and cigarette design in samples of Chinese cigarettes, 2009 and 2012
Notice bibliographique
Résumé
BACKGROUND: China is home to the greatest number of smokers as well as the greatest number of smoking-related deaths. An active and growing market of cigarettes marketed as 'light' or 'low tar' may keep health-concerned smokers from quitting, wrongly believing that such brands are less harmful. OBJECTIVE: This study sought to observe changes in cigarette design characteristics and reported tar, nicotine and carbon monoxide (TNCO) levels in a sample of cigarette brands obtained in seven Chinese cities from 2009 to 2012. METHODS: Cigarettes were purchased and shipped to Roswell Park Cancer Institute, where 91 pairs of packs were selected for physical cigarette design characteristic testing and recording of TNCO values. Data analysis was conducted using SPSS, and was initially characterised using descriptive statistics, correlations and generalised estimating equations to observe changes in brand varieties over time. FINDINGS: Reported TNCO values on packs saw mean tar, nicotine and CO levels decrease from 2009 to 2012 by 7.9%, 4.5% and 6.0%, respectively. Ventilation was the only cigarette design feature that significantly changed over time (p<0.001), with an increase of 31.7%. Significant predictors of tar and CO yield overall were ventilation and per-cigarette tobacco weight, while for nicotine tobacco moisture was also an independent predictor of yield. CONCLUSIONS: The use of ventilation to decrease TNCO emissions is misleading smokers to believe that they are smoking a 'light/low' tar cigarette that is healthier, and is potentially forestalling the quitting behaviours that would begin to reduce the health burden of tobacco in China, and so should be prohibited.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».