MétaCan
Menu
Retour à la cohorte
Enregistrement W2592246822 · doi:10.1093/ntr/ntx056

Does the Regulatory Environment for E-Cigarettes Influence the Effectiveness of E-Cigarettes for Smoking Cessation?: Longitudinal Findings From the ITC Four Country Survey

2017· article· en· W2592246822 sur OpenAlexafffundabout
Hua‐Hie Yong, Sara C Hitchman, K. Michael Cummings, Ron Borland, Shannon Gravely, Ann McNeill, Geoffrey T. Fong

Notice bibliographique

RevueNicotine & Tobacco Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensOntario Institute for Cancer ResearchUniversity of Waterloo
Organismes subventionnairesCancer Council VictoriaEconomic and Social Research CouncilNational Institutes of HealthCanadian Cancer Society Research InstituteCanadian Institutes of Health ResearchUniversity of South CarolinaUniversity of WaterlooNational Institute for Health and Care ResearchNational Cancer InstituteBritish Heart FoundationOntario Institute for Cancer ResearchNational Health and Medical Research CouncilCancer Research UKUnited Kingdom Clinical Research CollaborationMedical Research Council
Mots-clésSmoking cessationAbstinenceMedicineTobacco controlNicotine replacement therapyMedical prescriptionDemographyNicotineLongitudinal studyLongitudinal dataNicotine dependenceQuit smokingEnvironmental healthPsychiatryPublic healthPharmacology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: To date, no studies have explored how different regulatory environments may influence the effectiveness of electronic cigarettes (ECs) as a smoking cessation aid. OBJECTIVE: This study compares the real-world effectiveness of adult smokers using ECs for quitting compared with quitting unassisted or quitting with nicotine replacement therapy (NRT) and/or prescription medications in two countries with restrictive policies towards ECs (ie, Canada and Australia) versus two countries with less restrictive policies (ie, United States and United Kingdom). METHODS: Data were drawn from the International Tobacco Control Four Country surveys, from the United States and Canada (2 waves, n = 318 and 380, respectively), the United Kingdom (3 waves, n = 439) and Australia (4 waves, n = 662), collected 2010-2014. Smokers at baseline wave who reported making a quit attempt at follow-up were included. The primary outcome was self-reported abstinence for at least 30 days regardless of smoking status at follow-up assessment. Data across waves were combined and analyzed using generalized estimating equations. RESULTS: Compared to unassisted quitting (ie, no medications or ECs), smokers who used ECs for quitting from countries with less restrictive EC policy environments were more likely (OR = 1.95, 95%CI = 1.19-3.20, p < .01), whereas smokers who used ECs for quitting from countries with more restrictive EC policies were less likely (OR = 0.36, 95%CI = 0.18-0.72, p < .01), to report sustained abstinence for at least 30 days. CONCLUSIONS: Use of ECs in the real world during a quit attempt appears only effective for sustaining smoking abstinence in a less restrictive EC environment suggesting that the benefits of ECs for smoking cessation are likely highly dependent on the regulatory environment. IMPLICATIONS: What this study adds: This is the first study to examine the impact of regulatory environment for ECs on their real-world effectiveness for smoking cessation. This study shows that in a less restrictive EC regulatory environment, use of ECs during a quit attempt facilitates, but in a more restrictive environment, it inhibits, short-term sustained abstinence. The findings underscore the need for careful consideration on how best to regulate this emerging product so that EC benefits for smoking cessation are maximized and its risks to public health are minimized.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,371
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNicotine & Tobacco ResearchMême sujetSmoking Behavior and CessationTravaux en français237 207