Concentrations of nicotine, nitrosamines, and humectants in legal and illegal cigarettes in Mexico
Notice bibliographique
Résumé
BACKGROUND: Article 10 of the World Health Organization Framework Convention on Tobacco Control states the need for industry disclosure of tobacco contents and emissions. Currently, the profiles of key tobacco compounds in legal and illegal cigarettes are largely unknown. We aimed to analyze and compare concentrations of nicotine, nitrosamines, and humectants in legal and illegal cigarettes collected from a representative sample of smokers. METHODS: Participants of the International Tobacco Control cohort provided a cigarette pack of the brand they smoked during the 2014 wave. Brands were classified as legal or illegal according to the Mexican legislation. Nicotine, nitrosamines, glycerol, propylene glycol, and pH were quantified in seven randomly selected packs of each brand. All analyses were done blinded to legality status. Average concentrations per brand and global averages for legal and illegal brands were calculated. Comparisons between legal and illegal brands were conducted using t tests. RESULTS: Participants provided 76 different brands, from which 6.8% were illegal. Legal brands had higher nicotine (15.05 ± 1.89 mg/g vs 12.09 ± 2.69 mg/g; p < 0001), glycerol (12.98 ± 8.03 vs 2.93 ± 1.96 mg/g; p < 0.001), and N-nitrosanatabine (NAT) (1087.5 ± 127.0 vs 738.5 ± 338 ng/g; p = 0.006) concentrations compared to illegal brands. For all other compounds, legal and illegal brands had similar concentrations. CONCLUSION: Compared to illegal cigarettes, legal brands seem to have higher concentrations of nicotine, NAT, and glycerol. Efforts must be made to implement and enforce Article 10 of the Framework Convention on Tobacco Control to provide transparent information to consumers, regulators, and policy-makers; and to limit cigarette engineering from the tobacco industry.
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 ».