Selected Constituent Yield Variation in the Smoke of Commercial Cigarette Brands on the Japanese Market
Notice bibliographique
Résumé
Summary This study focused on the variation in the yields of constituents in smoke from commercial cigarette brands available on the Japanese market. Nineteen commercial cigarette brands were sampled five times every two months from 2009 to 2010. The target constituents were benzo[ a ]-pyrene, 1,3-butadiene, benzene, formaldehyde, acetaldehyde, acrolein, N -nitrosonornicotine (NNN), 4-(methylnitrosamino)-1-(3-pyridyl)-1-butanone (NNK), carbon monoxide, “tar”, and nicotine. The results of this study showed that the coefficient of variation (CV) values varied greatly by brands, constituents, and smoking regimes. The yields of NNN and NNK in the smoke were strongly correlated to their yields in the tobacco filler blend for most brands. The yields of benzo[ a ]pyrene under the International Organization for Standardization (ISO) and the Health Canada Intense (HCI) smoking regimes and 1,3-butadiene under the HCI smoking regime were found to be influenced by the measurement. It was shown that factors for variation were highly varied among constituents. The grand mean of CV values for NNN and formaldehyde associated with cigarette manufacturing over ten months and measurement at the JT laboratory under the HCI smoking regimes were 17.1% and 6.6% respectively. The grand mean of CV values for NNN and formaldehyde associated with both cigarette manufacturing over ten months and measurement at different laboratories under the HCI smoking regimes were 23.7% and 22.9% respectively. This is due to the fact that formaldehyde showed the highest CV values for reproducibility among the constituents. Thus, in order to set realistic and robust confidence intervals, it is very important to take into account the variations associated with cigarette manufacturing and measurement within and between laboratories.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».