“Electronic Cigarettes” Are Not Cigarettes, and Why That Matters
Notice bibliographique
Résumé
As the prevalence rates of cigarette use have declined over the past decade, use of electronic cigarettes (e-cigarettes) continues to increase, and companies are heavily invested in manufacturing new e-cigarette products. Scientists are therefore studying e-cigarette use at a rapid rate, generally by conceptualizing e-cigarettes as similar to traditional cigarettes in their use and effects. Thinking of e-cigarettes as largely comparable with cigarettes, however, fails to capture the unique e-cigarette capabilities, user experiences, and effects on nicotine dependence and even health. Assuming that e-cigarette users puff on their devices as they do cigarettes to attain doses of nicotine comparable in magnitude and asking questions about e-cigarette use modeled after how smoking behavior has been usually assessed (eg, puff number, duration, number of cigarettes per day) may miss important differences. A greater appreciation of the distinct uniqueness of e-cigarettes, as compared with cigarettes, will help to accelerate innovative research on e-cigarettes and other electronic devices, leading to new theoretical models and behavioral measures. IMPLICATIONS: With research about electronic cigarettes (e-cigarettes) rapidly increasing, this commentary addresses the conceptualization of e-cigarettes as similar to traditional cigarettes. The more we attempt to understand and measure e-cigarettes as equivalent to cigarettes, the more likely research may err in conclusions about these unique devices. Our commentary notes how using unique conceptualizations and measures for e-cigarettes will help accelerate new research.
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 | 0,007 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,015 |
| Communication savante | 0,006 | 0,011 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,017 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».