Where Do Vapers Buy Their Vaping Supplies? Findings from the International Tobacco Control (ITC) 4 Country Smoking and Vaping Survey
Notice bibliographique
Résumé
Aim: This study examines where vapers purchase their vaping refills in countries having different regulations over such devices, Canada (CA), the United States (US), England (EN), and Australia (AU). Methods: Data were available from 1899 current adult daily and weekly vapers who participated in the 2016 (Wave 1) International Tobacco Control Four Country Smoking and Vaping. The outcome was purchase location of vaping supplies (online, vape shop, other). Adjusted odds ratios and 95% confidence intervals were reported for between country comparisons. Results: Overall, 41.4% of current vapers bought their vaping products from vape shops, 27.5% bought them online, and 31.1% from other retail locations. The vast majority of vapers (91.1%) reported using nicotine-containing e-liquids. In AU, vapers were more likely to buy online vs other locations compared to CA (OR = 6.4, 2.3–17.9), the US (OR = 4.1, 1.54–10.7), and EN (OR = 7.9, 2.9–21.8). In the US, they were more likely to buy from vape shops (OR = 3.3, 1.8–6.2) or online (OR = 1.9, 1.0–3.8) vs other retail locations when compared to those in EN. In CA, vapers were more likely to purchase at vape shops than at other retail locations when compared to vapers in EN (5.9, 3.2–10.9) and the US (1.87, 1.0–3.1). Conclusions: The regulatory environment and enforcement of such regulations appear to influence the location where vapers buy their vaping products. In AU, banning the retail sale of nicotine vaping products has led vapers to rely mainly on online purchasing sources, whereas the lack of enforcement of the same regulation in CA has allowed specialty vape shops to flourish.
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 | 0,004 | 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 | 0,001 |
| 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 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 ».