Notice bibliographique
Résumé
Background and challenges to implementation Actual absorption dose of nicotine or tar from a cigarette could be different according to smokers' smoking topography. Different topographic characteristics, i. e., puff volume or puff frequency are applied to a standard operating procedure for intense simulation test of smoking in Canada, US, and ISO regimen. However, in South Korea, lack of smoking topography information limits estimation of intake dose of toxic or harmful chemicals from smoking and its health effect. In this study, we measured Korean smokers' topography and evaluated its characteristics. Intervention or response Under a convenient sampling design, we recruited 300 adult smokers (male:250, female: 50). Using CReSS pocket device (BORGWALDT, Richmond, VA 23237, USA), we obtained distributions of puff volume, puff duration, puff interval, etc. from their cigarettes smoked. For those who completed his/her topograph test, we collected urine samples for measurement of cotinine, OH-cotinine and NNAL using LCMSMS. Results and lessons learnt Smokers using cigarettes with higher amount of nicotine (HAN) (>0.1 mg) tend to have lower puff counts (15.0 (13.0 ~ 18.0) than those smokers (17.0 (15.0 ~ 21.0) smoked cigarettes with lower amount of nicotine (LAN) (≤0.1mg). Controlling for the number of cigarettes smoked, Korean smokers smoked with shorter inter puff interval than Whites. Total puff volume per day were similar between male and female smokers indicating the amount of toxic components inhaled from smoking might be similar between male and female smokers. Conclusions and key recommendations This study provides quantitative evidence that Korean smokers smoking cigarettes with shorter interval.
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 | 0,001 |
| 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 ».