E-cigarettes: effective cessation tools or public health threat?
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
In a short time, electronic cigarettes have become a multi-billion dollar industry. Since their introduction to the market, prevalence of ever-use among smokers in the USA appears to have increased from ∼2% in 2010 to >30% in 2012, and the rate of increase appears to be similar in the United Kingdom, Ireland and other Western countries according to a special Eurobarometer survey in 2014.1 The e-cigarette market is estimated to be worth over $3 billion. However, there is no consensus on the role of e-cigarettes and their contribution to the provision of smoking cessation (SC) services, nor to global tobacco control. At the Conference of the Parties to the WHO Framework Convention on Tobacco Control in September 2014, the secretariat presented a report outlining the current facts concerning e-cigarettes, put forth an opinion on these devices, and offered considerations on options for regulation.2 This was on the tail of two contrasting letters to Margaret Chan, Director General of the WHO, submitted by scientists from many disciplines including tobacco control, public health, epidemiology, pharmacology and the clinical sciences (Letters to Dr Chan; June 2014). One letter stated that e-cigarettes offer huge prospective gains by reducing the prevalence of cigarette smoking and subsequently, the harm done by smoking. Those in favour of this position therefore requested support for the introduction and widespread availability of e-cigarettes. The other letter cautioned restraint, citing the possible damage that e-cigarettes could have on tobacco control.
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 | 0,000 | 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) | 0,001 | 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