To What Extent Does Adding Tobacco to Cannabis Expose Young Users to Nicotine?
Notice bibliographique
Résumé
INTRODUCTION: To determine if mulling, the process of adding tobacco to cannabis for its consumption, exposes young cannabis users to significant levels of nicotine. METHODS: This observational study performed in 2009-2010 among Swiss youths aged 16-25 years involved the completion of a self-administrated questionnaire and the collection of a urine sample on the same day. Measures of urinary cotinine were blindly performed using liquid chromatography coupled-mass spectrometry. A total of 197 eligible participants were divided in 3 groups based on their consumption profile in the past 5 days: 70 abstainers (ABS) not having used cigarettes or cannabis, 57 cannabis users adding tobacco to the cannabis they smoke (MUL) but not having smoked cigarettes, and 70 cigarette smokers (CIG) not having smoked cannabis. RESULTS: Exposure to nicotine was at its lowest among ABS with a mean (SE) cotinine level of 3.2 (1.4) ng/ml compared, respectively, with 214.6 (43.8) and 397.9 (57.4) for MUL and CIG (p < .001). While consumption profile appeared as the only significant factor of influence when examining nicotine exposure from the ABS and MUL participants on multivariate analysis, it did not result in substantial differences among MUL and CIG groups. CONCLUSIONS: Urinary cotinine levels found among MUL are high enough to indicate a significant exposure to nicotine originating from the mulling process. In line with our results, health professionals should pay attention to mulling as it is likely to influence cannabis and cigarette use as well as the efficacy of cessation interventions.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».