Reducing nicotine exposure results in weight gain in smokers randomised to very low nicotine content cigarettes
Notice bibliographique
Résumé
BACKGROUND: The Food and Drug Administration can reduce the nicotine content in cigarettes to very low levels. This potential regulatory action is hypothesised to improve public health by reducing smoking, but may have unintended consequences related to weight gain. METHODS: Weight gain was evaluated from a double-blind, parallel, randomised clinical trial of 839 participants assigned to smoke 1 of 6 investigational cigarettes with nicotine content ranging from 0.4 to 15.8 mg/g or their own usual brand for 6 weeks. Additional analyses evaluated weight gain in the lowest nicotine content cigarette groups (0.4 and 0.4 mg/g, high tar) to examine the effect of study product in compliant participants as assessed by urinary biomarkers. Differences in outcomes due to gender were also explored. FINDINGS: There were no significant differences in weight gain when comparing the reduced nicotine conditions with the 15.8 mg/g control group across all treatment groups and weeks. However, weight gain at week 6 was negatively correlated with nicotine exposure in the 2 lowest nicotine content cigarette conditions. Within the 2 lowest nicotine content cigarette conditions, male and female smokers biochemically verified to be compliant on study product gained significantly more weight than non-compliant smokers and control groups. CONCLUSIONS: The effect of random assignment to investigational cigarettes with reduced nicotine on weight gain was likely obscured by non-compliance with study product. Men and women who were compliant in the lowest nicotine content cigarette conditions gained 1.2 kg over 6 weeks, indicating weight gain is a likely consequence of reduced exposure to nicotine. TRIAL REGISTRATION NUMBER: NCT01681875, Post-results.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».