MétaCan
Menu
Retour à la cohorte
Enregistrement W2914669190 · doi:10.18001/trs.5.2.8

An Economic Analysis of the Pre-Deeming US Market for Nicotine Vaping Products

2019· article· en· W2914669190 sur OpenAlexaff
David T. Levy, Eric N. Lindblom, David Sweanor, Frank J. Chaloupka, Richard J. O’Connor, Ce Shang, Thomas I. Palley, Geoffrey T. Fong, Maciej Ł. Goniewicz

Notice bibliographique

RevueTobacco Regulatory Science · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensUniversity of WaterlooUniversity of Ottawa
Organismes subventionnairesNational Cancer Institute
Mots-clésContext (archaeology)BusinessMarket structureMarket concentrationMarket analysisCompetition (biology)Barriers to entryMarket shareMarket share analysisProduct marketNonmarket forcesIndustrial organizationFactor marketMarket microstructureMarketingEconomicsMarket economyFinanceOrder (exchange)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Public health policies are often enacted without adequate consideration of the existing market structure or their impacts on that market structure. This paper provides context for the potential impact of regulations on nicotine vaping products (NVP) use by providing a structural analysis of competition in the US NVP market before FDA regulation. METHODS: A literature review was conducted with the aim of providing a framework for analysis that: 1) defines the market; 2) evaluates market concentration; 3) identifies entry barriers; and 4) examines firm conduct. RESULTS: The NVP market includes retail, internet sellers and vape shops. Although conventional retail became more concentrated after the major cigarette companies entered the NVP market, the vape shop and internet sectors remain substantially less concentrated, producing an overall low market concentration, with few entry barriers and competitive behavior. CONCLUSIONS: The largely unregulated US NVP market has been highly competitive, with a high degree of innovation. However, new FDA deeming regulations as applied to NVPs could make it difficult for smaller companies to remain in the market and could discourage new companies and new product innovations from entering the market.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,240

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,290
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTobacco Regulatory ScienceMême sujetSmoking Behavior and CessationTravaux en français237 207