Use of electronic cigarettes across 13 ITC countries with different regulatory environments
Notice bibliographique
Résumé
Background Electronic cigarettes have become an international phenomenon, although few studies have compared e-cigarette use across countries. This paper presents prevalence estimates of self-reported e-cigarette awareness, trial (ever-tried), current use (daily/weekly/monthly), and daily use from 13 countries that vary on the strictness of e-cigarette policies/regulations. Methods Cross-sectional analyses of representative samples of adult (≥18-years) current and former smokers participating in International Tobacco Control Project (ITC) surveys in 13 countries from the most recent ITC survey wave (2013-2017). Countries were categorized into those with no e-cigarette policies (NP), less restrictive policies (LRP), or more restrictive policies (MRP). Results Weighted prevalence estimates of four key measures were computed: 1. Awareness: for NP countries: Zambia (2014): 3%, Bangladesh (2014/15): 7%, China (2013/15): 59%; LRP countries: Netherlands (2017): 92%, Republic of Korea (2016): 94%, United States (US) and England (2016): 99%; MRP countries: Uruguay (2014): 52%, Mexico (2014/15): 61%, Brazil (2016): 73%, Malaysia (2013/2014): 86%, Australia and Canada (2016): 99%. 2. Trial: for NP countries: Zambia (0%), Bangladesh (1%), China (11%); LRP countries: Netherlands (39%), Korea (44%), England (52%). US (58%); MRP countries: Uruguay (7%), Mexico (10%), Malaysia (38%), Australia (45%), Canada (49%). 3. Daily/weekly/monthly use: for NP countries: Zambia and Bangladesh (< 1%); China (1%); LRP countries: Korea (6%), Netherlands, US, England (7%); MRP countries: Uruguay (0%), Brazil (1%), Mexico (2%), Australia and Canada (6%), Malaysia (12%). 4. Daily use: for NP countries: Zambia, Bangladesh, China (all 0%); LRP countries: Korea (3%), Netherlands (3%), US (3%), England (4%); MRP countries: Uruguay and Brazil (0%), Mexico (1%), Canada (2%), Australia (3%), Malaysia (4%). [E-cigarette Trial, Current Use, and Daily Use] Conclusions With minor exceptions (e.g. Australia), awareness, trial, and use of e-cigarettes across the 13 countries generally reflected the de facto environment rather than the statutory environment implied by the law(s). Country income classification and survey year also appear to be strongly associated with 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 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) | 0,000 | 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 ».