Characteristics and correlates of electronic cigarette productattributes and undesirable events during e-cigarette use in sixcountries of the EUREST-PLUS ITC Europe Surveys
Notice bibliographique
Résumé
INTRODUCTION: This study assessed characteristics and correlates associated with e-cigarette product attributes and identified correlates of experiencing undesirable events during e-cigarette use among adult smokers across six European Union (EU) Members States (MS) prior to the implementation of the Tobacco Products Directive (TPD) in 2016. METHODS: We conducted a cross-sectional survey with a nationally representative sample of adult cigarette smokers from six EU MS (Germany, Greece, Hungary, Poland, Romania, Spain) reporting e-cigarette use; randomly selected through a multistage cluster sampling design from June to September 2016. Stepwise logistic regressions were used to identify factors associated with use of flavors, noticing health warnings, mixing e-liquids, experiencing 'dry puff', e-liquid leaking during use and e-liquid spilling during refill. RESULTS: Current daily or weekly prevalence of e-cigarette use among this sample of adult smokers was 7.5%. The most common attributes of e-cigarettes used included those that are flavored, contain nicotine, and are of tank style. Noticing health warnings on e-cigarette packaging and leaflets, respectively, was low (10.2% and 28%, respectively). Use of e-liquid refill nozzle caps, described as easy for a child to open, was associated with spilling during refill (OR=6.73; 95% CI: 2.02-22.37). Participants who adjusted occasionally or regularly the power (voltage) or temperature of their e-cigarette had greater odds of ever experiencing a 'dry puff' (OR=6.01; 95% CI: 2.68-13.46). Mixing different e-liquids was associated with leaking during use (OR=7.78; 95% CI: 2.45-24.73) and spilling during refill (OR=8.54; 95% CI: 2.29-31.88). CONCLUSIONS: Ongoing evaluation of factors associated with e-cigarette attributes and of the correlates of experiencing e-cigarette undesirable events during use, related to product design, is crucial to monitoring the impact of the implementing Acts of the EU TPD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».