MétaCan
Menu
Retour à la cohorte
Enregistrement W2737628399 · doi:10.1139/facets-2017-0014

Electronic cigarettes—A review of the physiological health effects

2017· article· en· W2737628399 sur OpenAlexafffundvenue
Alyssa Zucchet, Grégory Schmaltz

Notice bibliographique

RevueFACETS · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensUniversity of the Fraser ValleyUniversity of British Columbia
Organismes subventionnairesUniversity of the Fraser Valley
Mots-clésVapoursNicotineElectronic cigaretteMedicineCarcinogenAerosolPharmacologyToxicologyChemistryPathologyInternal medicineBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Electronic cigarettes (ECs) are devices that are used recreationally or as smoking cessation tools, and have become increasingly popular in recent years. We conducted a review of the available literature to determine the health effects caused by the use of these devices. A heating element in the EC aerosolizes a solution of propylene glycol, glycerol, nicotine (optional), and flavouring (optional). These compounds are generally harmless on their own. However, upon heating, they produce various carcinogens and irritants. We found that concentrations of these toxicants vary significantly depending on the type of EC device, the type of EC liquid, and the smoking behaviour of the user. Exposure to these vapours can cause inflammation and oxidative damage to in vitro and in vivo cells. EC aerosol can also potentially affect organ systems and especially cardiovascular and lung function. We concluded that EC use causes acute effects on health but not as severe as those of conventional cigarettes (CCs). These devices could, therefore, be of use for smokers of CCs wishing to quit. However, as EC aerosol introduces new toxicants not found in CCs, long-term studies are needed to investigate possible chronic effects associated with EC use.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,035
Tête enseignante GPT0,358
Écart entre enseignants0,323 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations11
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetSmoking Behavior and CessationTravaux en français237 207